Özet
Sınıflandırmaya girişimizi tamamladık, bu nedenle bazı önemli noktaları özetleyelim.
Sınıflandırmanın klasik regresyonla çok ortak noktası olduğunu gördük. Her ikisi için de denetimli öğrenmeyi, maliyet işlevini kullanabilir ve gerçek dünya performansını tahmin etmek için test ve eğitim veri kümelerini kullanabiliriz. Burada bu iki model türü arasında neredeyse karma olan lojistik regresyona odaklandık ve çıktı eşiğinin bize gibi avalanche/no-avalanchekategorik bir etiket sağladığını gösterdik.
Özellikle söz konusu maliyet işlevlerinin genellikle uygun olmadığı için sınıflandırma modellerini değerlendirmenin regresyon modellerinden biraz daha zor olabileceğini ele aldık.
Ayrıca özellikleri eklemenin ve birleştirmenin önemli model geliştirmelerine nasıl neden olabileceğini keşfettik. Önemli olan, verilerinizin ne anlama geldiğinden emin olmak için en iyi sonucu elde etmenin ne kadar önemli olduğunu gösterdik.
Bu modülde lojistik regresyon ile çalıştık. Ancak burada ele aldığımız konuların çoğunun diğer birçok sınıflandırma modeli türü için de geçerli olduğunu unutmayın. İkiden fazla olası kategoriyi tahmin etmeye çalışan modeller dahil.