קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
במודול הרגרסיה הליניארית למדתם איך ליצור מודל כדי לבצע תחזיות מספריות רציפות, כמו צריכת הדלק של רכב. אבל מה קורה אם רו��ים ליצור מודל שיענה על שאלות כמו "האם ��ר�� ג��ם היום?" או "האם האימייל הזה הוא ספאם?"
המודול הזה מציג סוג חדש של מודל רגרסיה שנקרא רגרסיה לוגיסטית, שנועד לחזות את ההסתברות לתוצאה מסוימת.
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2024-11-08 (שעון UTC)."],[[["This module introduces logistic regression, a model used to predict the probability of an outcome, unlike linear regression which predicts continuous numerical values."],["Logistic regression utilizes the sigmoid function to calculate probability and employs log loss as its loss function."],["Regularization is crucial when training logistic regression models to prevent overfitting and improve generalization."],["The module covers the comparison between linear and logistic regression and explores use cases for logistic regression."],["Familiarity with introductory machine learning and linear regression concepts is assumed for this 35-minute module."]]],[]]
