การถดถอยลอจิสติกสำหรับใช่หรือไม่ใช่

การจำแนกจะทำนายหมวดหมู่ ไม่ใช่ตัวเลข อีเมลนี้เป็นสแปมหรือไม่ คำตอบใช่หรือไม่นี้คือสิ่งที่เราต้องการ ✉️

การถดถอยลอจิสติกเป็นจุดเริ่มต้นแบบคลาสสิกสำหรับปัญหาที่มีสองคลาส เรียบง่าย รวดเร็ว และเอาชนะได้ยากอย่างน่าประหลาดใจ

แม้ชื่อจะเป็นเช่นนั้น แต่การถดถอยลอจิสติกจะคืนค่าความน่าจะเป็นระหว่าง 0 ถึง 1 เช่น โอกาส 0.82 ที่ลูกค้ารายนี้จะเลิกใช้บริการ

เส้นโค้งที่เรียกว่าซิกมอยด์จะบีบค่าทุกค่าให้อยู่ในช่วง 0 ถึง 1 นี่คือวิธีเปลี่ยนคะแนนดิบให้เป็นความน่าจะเป็นที่ชัดเจน

คุณสร้างโมเดลนี้เหมือนตัวประมาณค่าอื่น ๆ นั่นคือนำเข้าคลาส แล้วสร้างออบเจ็กต์โมเดลที่พร้อมเรียนรู้

ส่งคุณลักษณะและป้ายกำกับให้โมเดลด้วย fit แล้วโมเดลจะเรียนรู้น้ำหนักที่แยกสองคลาสออกจากกัน

เรียกใช้ predict เพื่อรับคลาสที่เลือกสำหรับแต่ละแถว โดยคืนค่า 0 หรือ 1 ที่ชัดเจนสำหรับตัวอย่างทุกตัว

ต้องการค่าความมั่นใจดิบหรือไม่ predict_proba จะแสดงความน่าจะเป็นของแต่ละคลาส เพื่อให้คุณเห็นว่าโมเดลมั่นใจเพียงใด

หากต้องการเปลี่ยนความน่าจะเป็นให้เป็นป้ายกำกับ ให้เปรียบเทียบกับค่าเกณฑ์ ซึ่งโดยทั่วไปคือ 0.5 ค่าที่สูงกว่าหมายถึงใช่ และค่าที่ต่ำกว่าหมายถึงไม่ใช่

คุณสามารถเพิ่มหรือลดค่าเกณฑ์นั้นได้ตามต้องการ การกำหนดจุดตัดที่เข้มงวดขึ้นจะตรวจพบกรณีน้อยลง แต่ทำให้มั่นใจกับแต่ละกรณีมากขึ้น

คุณลักษณะแต่ละรายการจะได้รับค่าสัมประสิทธิ์ ค่าบวกจะผลักการทำนายไปทางใช่ ส่วนค่าลบจะผลักไปทางไม่ใช่

การถดถอยลอจิสติกเปลี่ยนคุณลักษณะให้เป็นความน่าจะเป็น จากนั้นค่าเกณฑ์จะตัดสินว่าใช่หรือไม่ใช่ เรียบง่าย รวดเร็ว และเป็นตัวจำแนกตัวแรกที่ยอดเยี่ยม 🎯