Tutoriel d’apprentissage automatique Python-8 : Régression logistique (classification binaire)

La régression logistique est utilisée pour les problèmes de classification en apprentissage automatique. Ce didacticiel vous montrera comment utiliser la classe de régression logistique sklearn pour résoudre le problème de classification binaire afin de prédire si un client achètera une assurance-vie. Enfin, nous vous proposons un exercice intéressant à résoudre. Il existe généralement deux types de problèmes d’apprentissage automatique (1) régression linéaire, où la valeur prédite est continue (2) classification, où la valeur prédite est catégorielle. La régression logistique est principalement utilisée pour les problèmes de classification. #MachineLearning #PythonMachineLearning #MachineLearningTutorial #Python #PythonTutorial #PythonTraining #MachineLearningCource #LogisticRegression Code : Exercice : Ouvrez le notebook ci-dessus depuis github et allez jusqu’à la fin. Solution pratique : Sujets abordés dans cette vidéo : 0:00-Théorie (expliquez la différence entre la régression logistique et la classification) 1:18-Qu’est-ce que la régression logistique ? 1:26-Types de classification (classification binaire et multiclasse) 1:53-Expliquer la régression logistique selon que les gens achètent une assurance en fonction de l’âge par exemple 5:38-Fonction Sigmoïde ou Logit 8:18-Encodage (utilisé pour encoder ce que nous sommes Utilisez un exemple pour montrer si une personne achètera une assurance en fonction de son âge) 14:36-sklearn predict_proba() fonction 15:49-Practice (résoudre un problème basé sur le salaire, la distance de travail, la promotion, le département, etc. ) Vidéo suivante : Tutoriel d’apprentissage automatique Régression logistique Python-8 (classification multiclasse) : Liste de lecture populaire : Science des données Cours complet : Projet de science des données : Tutoriel d’apprentissage automatique : Pandas : matplotlib : Python : Jupyter Notebook : Télécharger csv et code Tous les tutoriels : cliquez sur le bouton vert pour cloner ou télécharger l’intégralité du référentiel, puis accédez au dossier approprié pour accéder à ce fichier particulier. Site Web : Facebook : Twitter :.