Логистическая регрессия (МО)
Логистическая регрессия — это фундаментальный вероятностный классификатор, который моделирует логарифм шансов (log-odds) бинарного (или мультиномиального) исхода как линейную функцию предикторов. Введенная Д. Р. Коксом в 1958 году, она остается одним из наиболее широко используемых и интерпретируемых методов классификации как в статистике, так и в машинном обучении, ценится за калиброванные вероятностные выходные данные и четкую интерпретацию коэффициентов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- 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 цитировать эту страницу
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Линейная регрессия (МО)Машинное обучение↔ compare
- Наивный БайесМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Регуляризованная логистическая регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →