Logistische Regression (ML)
Die logistische Regression ist ein grundlegender probabilistischer Klassifikator, der die Log-Odds eines binären (oder multinomialen) Ergebnisses als lineare Funktion der Prädiktoren modelliert. Eingeführt von D. R. Cox im Jahr 1958, ist sie nach wie vor eine der am weitesten verbreiteten und interpretierbarsten Klassifikationsmethoden sowohl in der Statistik als auch im maschinellen Lernen, geschätzt für ihre kalibrierten Wahrscheinlichkeitsausgaben und klare Koeffizienteninterpretation.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/de/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.
- EntscheidungsbaumMaschinelles Lernen↔ compare
- Lineare Regression (ML)Maschinelles Lernen↔ compare
- Naive BayesMaschinelles Lernen↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Regularisierte Logistische RegressionMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →