O conceito de regressão logística

A regressão logística é um algoritmo de aprendizado supervisionado usado em problemas de classificação. Diferentemente da regressão linear, ela prevê um resultado categórico (por exemplo, sim/não, verdadeiro/falso).

Ela é amplamente utilizada em áreas como finanças, saúde e marketing.

Como funciona a regressão logística

A regressão logística usa a função sigmoide para transformar uma saída linear em um valor de probabilidade entre 0 e 1. Essa probabilidade determina o rótulo da classe.

A função sigmoide

A fórmula da função sigmoide é:

σ(z) = 1 / (1 + e^(-z))

Aqui, z é a equação linear (mx + b). A função sigmoide mapeia z para um intervalo de 0 a 1.

Aplicações da regressão logística

A regressão logística é comumente usada para:

• Detecção de mensagens indesejadas: classificar e-mails como indesejados ou não.
• Saúde: prever a probabilidade de uma doença.
• Marketing: segmentar clientes com base no comportamento de compra.

Tipos de regressão logística

A regressão logística pode ser classificada em três tipos:

• Regressão logística binária: dois resultados possíveis (por exemplo, sim/não).
• Regressão logística multinomial: mais de duas categorias (por exemplo, vermelho/azul/verde).
• Regressão logística ordinal: categorias ordenadas (por exemplo, baixo/médio/alto).

Vantagens da regressão logística

A regressão logística oferece vários benefícios:

• É fácil de implementar e interpretar.
• Funciona bem em tarefas de classificação binária e simples.
• Fornece saídas probabilísticas, úteis para a tomada de decisões.

Limitações da regressão logística

Algumas limitações da regressão logística incluem:

• Supõe uma relação linear entre as variáveis (por meio do logito).
• Pode não ter um bom desempenho com conjuntos de dados complexos ou altamente não lineares.
• Pode ser sensível a valores atípicos.

Regressão logística versus regressão linear

As principais diferenças incluem:

• Regressão linear: prevê valores contínuos.
• Regressão logística: prevê resultados categóricos.
• Saída: a regressão logística produz probabilidades (de 0 a 1), enquanto a regressão linear produz números reais.

Resumo e próximos passos

Nesta lição, abordamos:

• O conceito e o funcionamento da regressão logística.
• A função sigmoide e seu papel na classificação.
• As aplicações, vantagens e limitações da regressão logística.

Em seguida, implementaremos a regressão logística em Python para resolver problemas de classificação.