Ringkasan
Kami telah menyelesaikan pengenalan klasifikasi kami. Mari merekap beberapa poin penting.
Kami melihat bahwa klasifikasi memiliki banyak kesamaan dengan regresi klasik. Untuk keduanya, kita dapat menggunakan pembelajaran yang diawasi, fungsi biaya, dan menggunakan kumpulan data uji dan latih untuk memperkirakan performa dunia nyata. Kami berfokus di sini pada regresi logistik, yang hampir merupakan hibrida antara kedua jenis model ini, dan menunjukkan bagaimana ambang output memberi kami label kategoris, seperti 'longsoran salju'/'tidak ada longsoran salju'.
Kami membahas bagaimana menilai model klasifikasi bisa sedikit lebih sulit daripada dengan model regresi, terutama karena fungsi biaya yang terlibat sering kali tidak intuitif.
Kami juga mengeksplorasi bagaimana menambahkan dan menggabungkan fitur dapat menghasilkan peningkatan model yang substansial. Yang penting, kami menunjukkan betapa benar-benar memikirkan apa arti data Anda adalah kunci untuk mencapai hasil terbaik.
Dalam modul ini, kami bekerja dengan regresi logistik. Tetapi perlu diingat, bahwa sebagian besar subjek yang kami bahas di sini berlaku untuk banyak jenis model klasifikasi lainnya juga. Termasuk model yang mencoba memprediksi lebih dari dua kategori yang mungkin.