Logistische regressie is een statistische methode die de kans op een van twee uitkomsten voorspelt, zoals “koopt” of “koopt niet”. Ze weegt de invoerkenmerken en zet hun som met een S-vormige functie om in een waarde tussen 0 en 1. Omdat de gewichten eenvoudig te interpreteren zijn, wordt ze veel gebruikt bij kredietscoring, in de geneeskunde en in marketing, vaak als solide referentiepunt voor complexere modellen.
Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.
Demo startenLineaire regressie is een statistische methode die het verband tussen een doelvariabele en een of meer voorspellers beschrijft met een rechte lijn of vlak. De coëfficiënten worden meestal zo gekozen dat de som van de gekwadrateerde afwijkingen minimaal is. De methode is eenvoudig te begrijpen en te interpreteren: ze kan bijvoorbeeld schatten hoeveel de omzet stijgt als het reclamebudget met € 1.000 toeneemt. Bij niet-lineaire verbanden bereikt ze haar grenzen.
Een classificeerder is een model of methode die invoer toewijst aan een van meerdere vooraf bepaalde categorieën. Klassieke varianten zoals beslisbomen of naive Bayes worden getraind op gelabelde voorbeelden; taalmodellen kunnen teksten ook sorteren aan de hand van een beschrijving van de categorieën. Typische toepassingen zijn spamdetectie, het sorteren van klantvragen op onderwerp en het categoriseren van bonnen. De kwaliteit wordt gemeten met maten zoals nauwkeurigheid, precisie en recall.
Log loss (logaritmisch verlies) meet hoe goed de voorspelde kansen van een classificatiemodel overeenkomen met de werkelijke uitkomsten. Zelfverzekerde maar foute voorspellingen worden bijzonder zwaar gestraft; een waarde dicht bij nul wijst op goed gekalibreerde voorspellingen. Voorbeeld: als een model een kans van 95% op vertrek geeft voor een klant die blijft, stijgt de log loss sterk. Wiskundig is het hetzelfde als binaire kruisentropie.
Naive Bayes is een familie van eenvoudige classificatiemethoden die gebaseerd zijn op de stelling van Bayes. Ze heten “naïef” omdat ze aannemen dat alle kenmerken onafhankelijk van elkaar zijn, wat in de praktijk zelden klopt maar vaak toch goede resultaten oplevert. De methoden zijn snel, hebben weinig trainingsgegevens nodig en zijn bijzonder geschikt voor tekst. Een klassiek voorbeeld is het spamfilter dat e-mails sorteert op basis van typerende woorden.
