Logisztikus regresszió (ML)
A logisztikus regresszió egy alapvető valószínűségi osztályozó, amely egy bináris (vagy multinomiális) kimenetel log-odds-át a prediktorok lineáris függvényeként modellezi. D. R. Cox 1958-ban bevezetett módszere továbbra is az egyik legszélesebb körben használt és értelmezhető osztályozási eljárás mind a statisztikában, mind a gépi tanulásban, amelyet kalibrált valószínűségi kimenetelei és egyértelmű együttható-értelmezése miatt értékelnek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/hu/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.
- Döntési faGépi tanulás↔ compare
- Lineáris Regresszió (ML)Gépi tanulás↔ compare
- Bayes-féle naiv klasszifikálóGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Regularizált logisztikus regresszióGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →