Régression logistique en Python - Introduction

La régression logistique est une méthode statistique de classification des objets. Ce chapitre donnera une introduction à la régression logistique à l'aide de quelques exemples.

Classification

Pour comprendre la régression logistique, vous devez savoir ce que signifie la classification. Prenons les exemples suivants pour mieux comprendre -

• Un médecin classe la tumeur comme maligne ou bénigne.
• Une transaction bancaire peut être frauduleuse ou authentique.

Depuis de nombreuses années, les humains accomplissent de telles tâches - même si elles sont sujettes à des erreurs. La question est: pouvons-nous former des machines à effectuer ces tâches pour nous avec une meilleure précision?

Un tel exemple de machine effectuant la classification est l'e-mail Clientsur votre machine qui classe chaque courrier entrant comme «spam» ou «non spam» et il le fait avec une assez grande précision. La technique statistique de régression logistique a été appliquée avec succès dans le client de messagerie. Dans ce cas, nous avons formé notre machine à résoudre un problème de classification.

La régression logistique n'est qu'une partie de l'apprentissage automatique utilisée pour résoudre ce type de problème de classification binaire. Il existe plusieurs autres techniques d'apprentissage automatique qui sont déjà développées et qui sont utilisées pour résoudre d'autres types de problèmes.

Si vous avez noté, dans tous les exemples ci-dessus, le résultat de la prédication n'a que deux valeurs - Oui ou Non. Nous les appelons des classes - pour dire que nous disons que notre classificateur classe les objets en deux classes. En termes techniques, on peut dire que le résultat ou la variable cible est de nature dichotomique.

Il existe d'autres problèmes de classification dans lesquels la sortie peut être classée en plus de deux classes. Par exemple, étant donné un panier rempli de fruits, on vous demande de séparer les fruits de différentes sortes. Maintenant, le panier peut contenir des oranges, des pommes, des mangues, etc. Ainsi, lorsque vous séparez les fruits, vous les séparez en plus de deux classes. Il s'agit d'un problème de classification multivariée.