A regressão logística é um método estatístico que prevê a probabilidade de um de dois resultados, como "compra" ou "não compra". Pondera as características de entrada e converte a sua soma num valor entre 0 e 1 através de uma função em forma de S. Como os pesos são fáceis de interpretar, é muito utilizada na avaliação de crédito, na medicina e no marketing, muitas vezes como base sólida para modelos mais complexos.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoA regressão linear é um método estatístico que descreve a relação entre uma variável-alvo e um ou mais preditores através de uma reta ou de um plano. Os coeficientes são geralmente escolhidos de modo a minimizar a soma dos quadrados dos desvios. O método é fácil de compreender e interpretar: por exemplo, pode estimar quanto sobe a receita quando o orçamento de publicidade aumenta 1000 €. Atinge os seus limites em relações não lineares.
Um classificador é um modelo ou método que atribui entradas a uma de várias categorias predefinidas. As variantes clássicas, como as árvores de decisão ou o naive Bayes, são treinadas com exemplos etiquetados; os modelos de linguagem também podem ordenar textos com base numa descrição das categorias. As utilizações típicas incluem a deteção de spam, a triagem de pedidos de clientes por tema e a categorização de recibos. A qualidade é medida com métricas como a exatidão, a precisão e a revocação.
O log loss (perda logarítmica) mede em que medida as probabilidades previstas por um modelo de classificação correspondem aos resultados reais. As previsões confiantes, mas erradas, são penalizadas de forma especialmente forte; um valor próximo de zero indica previsões bem calibradas. Exemplo: se um modelo atribui 95 % de probabilidade de abandono a um cliente que fica, o log loss sobe acentuadamente. Matematicamente, é o mesmo que a entropia cruzada binária.
Naive Bayes é uma família de métodos de classificação simples baseados no teorema de Bayes. São chamados «ingénuos» porque assumem que todas as características são independentes umas das outras, o que raramente acontece na prática, mas muitas vezes produz, ainda assim, bons resultados. Os métodos são rápidos, precisam de poucos dados de treino e são particularmente adequados para texto. Um exemplo clássico é o filtro de spam, que ordena os e-mails com base em palavras típicas.
