Machine LearningMenengahFase D–FE4E6
Logistic Regression
Logistic Regression memprediksi peluang, bukan sekadar jawaban ya atau tidak. Ia menghitung skor linear dari fitur lalu menekannya ke rentang 0 sampai 1 lewat fungsi sigmoid berbentuk S. Hasilnya adalah peluang sebuah data masuk ke satu kelas; sebuah ambang (biasanya 0,5) yang memutuskan labelnya. Visualisasi menggambar kurva S dan menempatkan sebuah data pada peluangnya.
Example use case
Menaksir peluang sebuah email adalah spam, atau peluang seorang siswa lulus berdasarkan nilai-nilai latihannya.
Syllabus
Ubah skor linear menjadi peluang 0 sampai 1 lewat kurva sigmoid berbentuk S.
Objectives
- ·Membedakan prediksi peluang dari klasifikasi yang kaku
- ·Memahami peran fungsi sigmoid
- ·Menjelaskan cara ambang keputusan bekerja
How It Works
- ·Hitung skor linear z = w kali x tambah b dari fitur.
- ·Lewatkan z lewat sigmoid menjadi peluang p antara 0 dan 1.
- ·Bandingkan p dengan ambang (misalnya 0,5).
- ·Beri label kelas 1 bila p di atas ambang, kelas 0 bila di bawahnya.
Prerequisites
- ·Fungsi linear (garis)
- ·Konsep peluang antara 0 dan 1
Real-World Uses
- ·Deteksi spam pada email.
- ·Prediksi risiko penyakit dari gejala.
- ·Skor kelayakan kredit.
Complexity O(jumlah fitur)