+è
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
Data Science, machine-learning

Logistic Regression

Logistic Regression

Un modello di Logistic Regression, o Logit Regression, (Regressione Logistica) è assimilabile a un classificatore binario: calcola la probabilità che una determinata istanza appartenga a una specifica classe.

Ottimo.

Facciamo un po’ di mente locale.

Sappiamo infatti che alcuni algoritmi di regressione possano essere usati per task di classificazione, e vice versa.

Nella Regressione Logistica, se la probabilità stimata supera il 50% il modello prevede che l’istanza appartenga alla classe positiva, o negativa in caso contrario: abbiamo appena descritto un Binary Classifier, o classificatore binario.

Logistic Regression: how?

Come un modello di regressione lineare (Linear Regression), quello di regressione logistica calcola la somma pesata (weighted sum) delle feature, con l’aggiunta di un termine denominato bias, ma il risultato è processato da una funzione logistica invece di essere restituito direttamente.

La funzione logistica è un caso particolare, appartenente a una classe di funzioni chiamati sigmoidi.

Abbiamo incontrato questo termine durante la creazione del nostro neurone artificiale.

Si tratta di particolari funzioni con un andamento a ‘S’, proprio come questa:

Potremmo definirle dei “mappatori”: dato un qualsiasi input, l’output sarà sempre compreso tra due valori. (nell’esempio, tra 0 e 1)

Qui puoi trovare la documentazione di Sklearn per la Logistic Regression con python

Un caldo abbraccio, Andrea.

Written by Andrea Provino - Dicembre 6, 2019
Tags | data science, machine learning, teoria

You Might Also Like

business-understanding

Business Understanding e Analytic Approach | Data Science Methodology

Settembre 16, 2019

MAX Image Segmenter Web App | Log

Ottobre 18, 2019

Tensorflow Transfer Learning | Log 7 da 0 a 0,001

Dicembre 17, 2018
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • Blockchain Developer

    Circuito aritmetico

    Novembre 1, 2022
  • machine-learning

    Un nuovo inizio

    Settembre 4, 2021
  • Zero Knwoledge Proof Article Privacy Preserving

    Zero Knowledge Proof: zk-SNARK e zk-STARK | Prova a conoscenza zero

    Luglio 8, 2021
  • oblivious-transfer-spiegazione-italiano-ot-explanation Privacy Preserving

    Oblivious Transfer (OT)

    Luglio 6, 2021
  • Aleo Studio Website Preview machine-learning

    Aleo Studio: un IDE per Zero-Knowledge Proofs Applications

    Luglio 1, 2021
  • privacy-enhancing-technologies-data-machine-learning-data-science Privacy Preserving

    Perché il Privacy Tech è un vantaggio competitivo micidiale

    Giugno 17, 2021
  • bloom-filter-spiegazione-italian Privacy Preserving

    Bloom Filter

    Giugno 3, 2021
  • trusted-execution-environment-tee-data-science-come-fuziona Data Science, Privacy Preserving

    Trusted Execution Environment | Cos’è un TEE?

    Giugno 2, 2021
  • Crypto Custody services machine-learning

    Crypto Custody: Guida alla custodia delle criptomonete

    Maggio 26, 2021
  • deep-q-learning-q-learning-reinforcement-learning machine-learning

    Deep Q-Learning

    Aprile 27, 2021

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino