Логистичната регресия е статистически метод, който прогнозира вероятността за един от два резултата, като „купува“ или „не купува“. Тя претегля входните признаци и превръща сбора им в стойност между 0 и 1 чрез S-образна функция. Тъй като теглата се тълкуват лесно, методът се използва широко в кредитното оценяване, медицината и маркетинга, често като солидна базова линия за по-сложни модели.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоЛинейната регресия е статистически метод, който описва връзката между целева променлива и един или повече предиктори чрез права или равнина. Коефициентите обикновено се избират така, че да минимизират сумата от квадратите на отклоненията. Методът е лесен за разбиране и тълкуване: например може да оцени с колко нарастват приходите, когато рекламният бюджет се увеличи с 1000 евро. Достига границите си при нелинейни зависимости.
Класификаторът е модел или метод, който отнася входните данни към една от няколко предварително определени категории. Класическите варианти като дърветата на решенията или наивния Байес се обучават върху анотирани примери; езиковите модели могат да сортират текстове и въз основа на описание на категориите. Типични приложения са откриването на спам, сортирането на запитвания на клиенти по теми и категоризирането на разписки. Качеството се измерва с метрики като точност, прецизност и обхват.
Логаритмичната загуба (log loss) измерва доколко добре прогнозираните вероятности на класификационен модел съответстват на действителните резултати. Уверените, но грешни прогнози се наказват особено силно; стойност, близка до нула, показва добре калибрирани прогнози. Пример: ако моделът даде 95% вероятност за отпадане на клиент, който остава, логаритмичната загуба рязко нараства. Математически тя е същата като бинарната кръстосана ентропия.
Naive Bayes е семейство от прости методи за класификация, основани на теоремата на Бейс. Наричат се „наивни“, защото допускат, че всички признаци са независими един от друг, което на практика рядко е вярно, но често все пак дава добри резултати. Методите са бързи, изискват малко данни за обучение и са особено подходящи за текст. Класически пример е спам филтърът, който сортира имейлите по типични думи.
