Python Academy · Pelajaran

Konsep Regresi Logistik

Pengenalan masalah klasifikasi

Konsep Regresi Logistik adalah pelajaran Python Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 5. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Python Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Python Academy mencakup 5 pelajaran total.

Pengantar Regresi Logistik

Konsep Regresi Logistik

Regresi logistik adalah algoritma pembelajaran terawasi yang digunakan untuk masalah klasifikasi. Berbeda dengan regresi linear, regresi logistik memprediksi hasil kategorikal (misalnya, ya/tidak atau benar/salah).

Regresi logistik banyak digunakan dalam bidang seperti keuangan, layanan kesehatan, dan pemasaran.

Cara Kerja Regresi Logistik

Regresi logistik menggunakan fungsi sigmoid untuk mengubah keluaran linear menjadi nilai probabilitas antara 0 dan 1. Probabilitas ini menentukan label kelas.

Fungsi Sigmoid

Rumus fungsi sigmoid adalah:

σ(z) = 1 / (1 + e^(-z))

Di sini, z adalah persamaan linear (mx + b). Fungsi sigmoid memetakan z ke rentang 0 hingga 1.

Penerapan Regresi Logistik

Regresi logistik umum digunakan untuk:

Deteksi Pesan Tidak Diinginkan: Mengklasifikasikan surel sebagai pesan tidak diinginkan atau bukan.
Layanan Kesehatan: Memprediksi kemungkinan seseorang mengalami suatu penyakit.
Pemasaran: Melakukan segmentasi pelanggan berdasarkan perilaku pembelian.

Jenis-Jenis Regresi Logistik

Regresi logistik dapat dibagi menjadi tiga jenis:

Regresi Logistik Biner: Dua kemungkinan hasil (misalnya, ya/tidak).
Regresi Logistik Multinomial: Lebih dari dua kategori (misalnya, merah/biru/hijau).
Regresi Logistik Ordinal: Kategori yang berurutan (misalnya, rendah/sedang/tinggi).

Kelebihan Regresi Logistik

Regresi logistik memiliki beberapa kelebihan:

Mudah diimplementasikan dan ditafsirkan.
Bekerja dengan baik untuk tugas klasifikasi biner dan sederhana.
Menghasilkan keluaran berupa probabilitas yang berguna untuk pengambilan keputusan.

Keterbatasan Regresi Logistik

Beberapa keterbatasan regresi logistik meliputi:

Mengasumsikan adanya hubungan linear antarvariabel (melalui logaritma rasio peluang).
Mungkin tidak bekerja dengan baik pada kumpulan data yang rumit atau sangat tidak linear.
Dapat sensitif terhadap pencilan.

Regresi Logistik dibandingkan dengan Regresi Linear

Perbedaan utamanya meliputi:

Regresi Linear: Memprediksi nilai kontinu.
Regresi Logistik: Memprediksi hasil kategorikal.
Keluaran: Regresi logistik menghasilkan probabilitas (0 hingga 1), sedangkan regresi linear menghasilkan bilangan riil.

Ringkasan dan Langkah Berikutnya

Dalam pelajaran ini, kita membahas:

Konsep dan cara kerja regresi logistik.
Fungsi sigmoid dan perannya dalam klasifikasi.
Penerapan, kelebihan, dan keterbatasan regresi logistik.

Selanjutnya, kita akan mengimplementasikan regresi logistik dalam Python untuk menyelesaikan masalah klasifikasi.

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Konsep Regresi Logistik” gratis?

Ya — teks lengkap “Konsep Regresi Logistik” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Python Academy, upgrade ke CoddyKit PRO. Kursus Python Academy mencakup 5 pelajaran total.

Apa yang akan aku pelajari di “Konsep Regresi Logistik”?

Pengenalan masalah klasifikasi Kamu berlatih Python Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Python Academy?

Tidak diperlukan pengalaman sebelumnya. Python Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 5.

Berapa lama pelajaran “Konsep Regresi Logistik” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Python Academy ini?

Ya. Setiap pelajaran Python Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Python Academy