Логистическая регрессия для ответа «да/нет»

Классификация предсказывает категорию, а не число. Будет ли это письмо спамом? Именно на такой вопрос «да или нет» мы хотим ответить. ✉️

Логистическая регрессия — классическая отправная точка для задач с двумя классами. Она проста, быстра и удивительно конкурентоспособна.

Несмотря на название, логистическая регрессия возвращает вероятность от 0 до 1 — например, вероятность 0,82, что клиент уйдёт.

Кривая, называемая сигмоидой, сжимает любое значение в диапазон от 0 до 1. Так исходные оценки превращаются в понятные вероятности.

Модель создаётся так же, как любой оценщик: импортируйте класс, а затем создайте готовый к обучению объект модели.

Передайте модели признаки и метки с помощью fit, и она обучится весам, разделяющим два класса.

Вызовите predict, чтобы получить выбранный класс для каждой строки — для каждого примера будет возвращено значение 0 или 1.

Нужна исходная уверенность модели? predict_proba возвращает вероятность каждого класса, поэтому вы видите, насколько модель уверена.

Чтобы превратить вероятность в метку, сравните её с порогом, обычно равным 0,5. Выше порога означает «да», ниже — «нет».

Этот порог можно намеренно повысить или понизить. Более строгая граница выявляет меньше случаев, но позволяет сильнее доверять каждому из них.

Каждый признак получает коэффициент. Положительный коэффициент смещает предсказание к ответу «да», отрицательный — к ответу «нет».

Логистическая регрессия превращает признаки в вероятность, а затем порог определяет ответ «да» или «нет». Просто, быстро и отлично подходит для первого классификатора. 🎯