Logistička regresija statistička je metoda koja predviđa vjerojatnost jednog od dva ishoda, poput „kupuje” ili „ne kupuje”. Ponderira ulazna obilježja i njihov zbroj pretvara u vrijednost između 0 i 1 pomoću funkcije S-oblika. Budući da se težine lako interpretiraju, naširoko se koristi u kreditnom bodovanju, medicini i marketingu, često kao solidna osnovna linija za složenije modele.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoLinearna regresija statistička je metoda koja odnos između ciljne varijable i jednog ili više prediktora opisuje pravcem ili ravninom. Koeficijenti se obično biraju tako da minimiziraju zbroj kvadrata odstupanja. Metoda je laka za razumijevanje i interpretaciju: primjerice, može procijeniti koliko raste prihod kada se proračun za oglašavanje poveća za 1000 €. Dolazi do granica kod nelinearnih odnosa.
Klasifikator je model ili metoda koja unose razvrstava u jednu od nekoliko unaprijed definiranih kategorija. Klasične varijante poput stabala odlučivanja ili naivnog Bayesa treniraju se na označenim primjerima; jezični modeli mogu razvrstavati tekstove i na temelju opisa kategorija. Tipične primjene uključuju prepoznavanje spama, razvrstavanje upita klijenata po temama i kategoriziranje računa. Kvaliteta se mjeri metrikama poput točnosti, preciznosti i odziva.
Log loss (logaritamski gubitak) mjeri koliko se predviđene vjerojatnosti klasifikacijskog modela podudaraju sa stvarnim ishodima. Samouvjerena, ali pogrešna predviđanja kažnjavaju se posebno snažno; vrijednost blizu nule upućuje na dobro kalibrirane prognoze. Primjer: ako model klijentu koji ostaje dodijeli 95 % vjerojatnosti odlaska, log loss naglo raste. Matematički je isto što i binarna unakrsna entropija.
Naivni Bayes obitelj je jednostavnih metoda klasifikacije temeljenih na Bayesovu teoremu. Nazivaju se „naivnima“ jer pretpostavljaju da su sve značajke međusobno neovisne, što je u praksi rijetko točno, ali često ipak daje dobre rezultate. Metode su brze, trebaju malo podataka za učenje i posebno su prikladne za tekst. Klasičan je primjer filtar za neželjenu poštu koji razvrstava e-poruke na temelju tipičnih riječi.
