Glossaire

Régression logistique

Qu’est-ce que Régression logistique ?

La régression logistique est une méthode statistique qui prédit la probabilité de l’un de deux résultats, par exemple « achète » ou « n’achète pas ». Elle pondère les variables d’entrée et transforme leur somme en une valeur comprise entre 0 et 1 au moyen d’une fonction en forme de S. Ses poids étant faciles à interpréter, elle est très utilisée pour l’évaluation du crédit, en médecine et en marketing, souvent comme référence pour des modèles plus complexes.

Thèmes

statistique
classification
fondamentaux

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Régression linéaire

La régression linéaire est une méthode statistique qui décrit la relation entre une variable cible et une ou plusieurs variables explicatives au moyen d'une droite ou d'un plan. Les coefficients sont généralement choisis de façon à minimiser la somme des carrés des écarts. La méthode est simple à comprendre et à interpréter : elle permet par exemple d'estimer de combien le chiffre d'affaires augmente si le budget publicitaire croît de 1 000 euros. Elle atteint ses limites face à des relations non linéaires.

Statistiques
Prévision
+1

Classifieur

Un classifieur est un modèle ou une méthode qui attribue une entrée à l'une de plusieurs catégories prédéfinies. Les variantes classiques, comme les arbres de décision ou le Naive Bayes, sont entraînées sur des exemples étiquetés ; les modèles de langage peuvent aussi classer des textes à partir d'une description des catégories. Usages typiques : détection de spam, tri des demandes clients par thème ou classement de justificatifs. La qualité se mesure avec des indicateurs comme l'exactitude, la précision et le rappel.

Classification
Apprentissage automatique
+1

Modèle

Perte logarithmique (log loss)

La perte logarithmique (log loss) mesure dans quelle mesure les probabilités prédites par un modèle de classification correspondent aux résultats réels. Les prédictions sûres mais erronées sont pénalisées très fortement ; une valeur proche de zéro indique des prévisions bien calibrées. Exemple : si un modèle estime à 95 % le départ d’un client qui reste, la perte augmente nettement. Mathématiquement, elle équivaut à l’entropie croisée binaire.

métrique
classification
+1

Bayésien naïf (Naive Bayes)

Naive Bayes désigne une famille de méthodes de classification simples fondées sur le théorème de Bayes. On les dit « naïves » parce qu’elles supposent que toutes les variables sont indépendantes les unes des autres, ce qui est rarement vrai en pratique mais donne souvent de bons résultats. Ces méthodes sont rapides, demandent peu de données d’entraînement et conviennent particulièrement aux textes. Exemple classique : le filtre anti-spam qui trie les e-mails selon des mots typiques.

classification
statistique
+1