Logistische Regression in Python - Einführung

Die logistische Regression ist eine statistische Methode zur Klassifizierung von Objekten. Dieses Kapitel gibt anhand einiger Beispiele eine Einführung in die logistische Regression.

Einstufung

Um die logistische Regression zu verstehen, sollten Sie wissen, was Klassifizierung bedeutet. Betrachten wir die folgenden Beispiele, um dies besser zu verstehen:

  • Ein Arzt klassifiziert den Tumor als bösartig oder gutartig.
  • Eine Banküberweisung kann betrügerisch oder echt sein.

Seit vielen Jahren führen Menschen solche Aufgaben aus - obwohl sie fehleranfällig sind. Die Frage ist, können wir Maschinen trainieren, um diese Aufgaben für uns mit einer besseren Genauigkeit zu erledigen?

Ein solches Beispiel für eine Maschine, die die Klassifizierung durchführt, ist die E-Mail Clientauf Ihrem Computer, der jede eingehende E-Mail als "Spam" oder "kein Spam" klassifiziert und dies mit einer ziemlich großen Genauigkeit tut. Die statistische Technik der logistischen Regression wurde im E-Mail-Client erfolgreich angewendet. In diesem Fall haben wir unsere Maschine geschult, um ein Klassifizierungsproblem zu lösen.

Die logistische Regression ist nur ein Teil des maschinellen Lernens, mit dem diese Art von Problem der binären Klassifizierung gelöst wird. Es gibt mehrere andere Techniken des maschinellen Lernens, die bereits entwickelt wurden und in der Praxis zur Lösung anderer Arten von Problemen eingesetzt werden.

Wenn Sie in allen obigen Beispielen festgestellt haben, hat das Ergebnis der Prädikation nur zwei Werte - Ja oder Nein. Wir nennen diese als Klassen - um zu sagen, dass unser Klassifizierer die Objekte in zwei Klassen klassifiziert. In technischer Hinsicht können wir sagen, dass das Ergebnis oder die Zielvariable dichotom ist.

Es gibt andere Klassifizierungsprobleme, bei denen die Ausgabe in mehr als zwei Klassen klassifiziert werden kann. Wenn Sie beispielsweise einen Korb voller Früchte haben, werden Sie aufgefordert, Früchte verschiedener Arten zu trennen. Jetzt kann der Korb Orangen, Äpfel, Mangos usw. enthalten. Wenn Sie also die Früchte trennen, trennen Sie sie in mehr als zwei Klassen. Dies ist ein multivariates Klassifizierungsproblem.