Логистична регресия (ML)
Логистичната регресия е основополагащ вероятностен класификатор, който моделира логаритъма на шансовете (log-odds) на бинарно (или мултиномно) събитие като линейна функция на предикторите. Въведена от Д. Р. Кокс през 1958 г., тя остава един от най-широко използваните и интерпретируеми методи за класификация както в статистиката, така и в машинното обучение, ценена заради своите калибрирани вероятностни изходи и ясното тълкуване на коефициентите.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Източници
- Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. DOI: 10.1111/j.2517-6161.1958.tb00292.x ↗
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 4). Springer. ISBN: 978-1-4614-7138-7
Как да цитирате тази страница
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/bg/machine-learning/logistic-regression-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Дърво на решениятаМашинно обучение↔ compare
- Линейна регресия (Мл)Машинно обучение↔ compare
- Наивен БейсМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Регуляризирана логистична регресияМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →