Regressione logistica per sì e no
Probabilità e soglie decisionali.
Regressione logistica per sì e no è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Classi, non numeri
La classificazione prevede una categoria, non un numero. Questa email è spam oppure no? È proprio questa risposta sì o no che ci interessa. ✉️
Il cavallo di battaglia per il sì o no
La regressione logistica è il punto di partenza classico per i problemi a due classi. È semplice, veloce e sorprendentemente difficile da superare.
Restituisce una probabilità
Nonostante il nome, la regressione logistica restituisce una probabilità tra 0 e 1, ad esempio una probabilità dello 0,82 che questo cliente abbandoni il servizio.
La compressione sigmoide
Una curva chiamata sigmoide comprime qualsiasi valore nell'intervallo da 0 a 1. È così che i punteggi grezzi diventano probabilità chiare.
Importare e creare
Lo costruisce proprio come qualsiasi estimatore: importi la classe, poi crei l'oggetto modello pronto ad apprendere.
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()Addestrarlo con fit
Gli fornisca feature ed etichette con fit e il modello apprenderà i pesi che separano le due classi.
model.fit(X_train, y_train)Prevedere l'etichetta
Chiami predict per ottenere la classe scelta per ogni riga, restituendo uno 0 o un 1 per ogni esempio.
labels = model.predict(X_test)Richiedere la probabilità
Preferisce conoscere direttamente il livello di confidenza? predict_proba fornisce la probabilità di ogni classe, così può vedere quanto il modello sia sicuro.
probs = model.predict_proba(X_test)La soglia decisionale
Per trasformare una probabilità in un'etichetta, la confronti con una soglia, solitamente 0,5. Al di sopra significa sì, al di sotto significa no.
Spostare la soglia
Può aumentare o diminuire intenzionalmente questa soglia. Un limite più severo individua meno casi, ma considera ciascuno di essi più affidabile.
Leggere i coefficienti
Ogni feature riceve un coefficiente. Un coefficiente positivo spinge la previsione verso il sì, uno negativo verso il no.
model.coef_Controllo rapido
Verifichiamo che cosa restituisce effettivamente la regressione logistica.
Riepilogo
La regressione logistica trasforma le feature in una probabilità, poi una soglia decide tra sì e no. È semplice, veloce e un ottimo primo classificatore. 🎯
Domande Frequenti
La lezione «Regressione logistica per sì e no» è gratuita?
Sì — il testo completo di «Regressione logistica per sì e no» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «Regressione logistica per sì e no»?
Probabilità e soglie decisionali. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Regressione logistica per sì e no»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Regressione logistica per sì e no
- k-Nearest Neighbors
- Alberi decisionali e Random Forest
- Elementi essenziali del Gradient Boosting