Logistiskā regresija (ML)
Logistiskā regresija ir pamatklasifikators, kas modelē bināra (vai multinomiāla) iznākuma log-iesoģitmiju kā lineāru funkciju prognozētājiem. Ieviestā D. R. Coxa 1958. gadā, tā joprojām ir viena no visplašāk izmantotajām un interpretējamajām klasifikācijas metodēm gan statistikā, gan mašīnmācīšanā, ko novērtē par tās kalibrētajām varbūtību prognozēm un skaidro koeficientu interpretāciju.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/lv/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.
- Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
- Lineārā regresija (ML)Mašīnmācīšanās↔ compare
- Naive BayesMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Regularizētā loģistikā regresijaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →