Régression logistique (ML)
La régression logistique est un classifieur probabiliste fondamental qui modélise le log-odds d'un résultat binaire (ou multinomial) comme une fonction linéaire des prédicteurs. Introduite par D. R. Cox en 1958, elle demeure l'une des méthodes de classification les plus utilisées et interprétables en statistique comme en apprentissage automatique, appréciée pour ses sorties probabilistes calibrées et l'interprétation claire de ses coefficients.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/fr/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.
- Arbre de décisionApprentissage automatique↔ compare
- Régression linéaire (ML)Apprentissage automatique↔ compare
- Naive BayesApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Régression logistique régulariséeApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →