Серия

Основные сведения о логистической регрессии для классификации Машинное обучение (часть 14 из 17) | Машинное обучение для начинающих

на Bea Stollnitz

Добро пожаловать в другое аналитические видео, представленное Bea Stollnitz, главный адвокат по облачным технологиям в Корпорации Майкрософт. В этом видео мы рассмотрим мир логистической регрессии, узнайте, как оно сравнивается с линейной регрессией, и изучите его приложения в задачах классификации, в том числе о том, как он может сделать более качественные прогнозы для нашего набора данных тыквы 🎃.

Из этого руководства вы узнаете, как выполнять такие задачи:

  • Разница между линейной и логистической регрессией
  • Двоичная логистическая регрессия и использование сигмоидной функции
  • Многономиальная и порядковая логистическая регрессия

Присоединяйтесь к Би, как она распутывает увлекательный мир логистической регрессии, и узнайте, как его можно использовать в проблемах классификации. Это видео идеально подходит для тех, кто хочет расширить свое понимание методов регрессии и улучшить набор навыков машинного обучения.

Будьте настроены для следующего видео в этой серии, где вы будете писать код для применения теории, которую вы узнали. Увидишь тебя!

Главы

  • 00:00: введение
  • 00:37 — линейная регрессия и двоичная логистическая регрессия
  • 01:23 — пороговые значения
  • 01:53 — логистическая регрессия для цвета тыквы
  • 02:20 — Многономиальная и порядковая логистическая регрессия
  • Этот курс основан на бесплатной учебной программе с открытым исходным кодом, 26 занятий ML для начинающих от Майкрософт.
  • Записная книжка Jupyter, наряду с этим занятием, доступна!

Связь

Машинное обучение Azure
Python