Regresi Logistik dengan Python - Pendahuluan

Regresi Logistik adalah metode statistik klasifikasi objek. Bab ini akan memberikan pengantar tentang regresi logistik dengan bantuan beberapa contoh.

Klasifikasi

Untuk memahami regresi logistik, Anda harus mengetahui arti klasifikasi. Mari kita pertimbangkan contoh berikut untuk memahami ini lebih baik -

Seorang dokter mengklasifikasikan tumor sebagai tumor ganas atau jinak.
Transaksi bank mungkin palsu atau asli.

Selama bertahun-tahun, manusia telah melakukan tugas-tugas semacam itu - meski rawan kesalahan. Pertanyaannya adalah dapatkah kita melatih mesin untuk melakukan tugas-tugas ini untuk kita dengan akurasi yang lebih baik?

Salah satu contoh mesin yang melakukan klasifikasi adalah email Clientdi komputer Anda yang mengklasifikasikan setiap email masuk sebagai "spam" atau "bukan spam" dan melakukannya dengan akurasi yang cukup tinggi. Teknik statistik regresi logistik telah berhasil diterapkan di klien email. Dalam hal ini, kami telah melatih mesin kami untuk memecahkan masalah klasifikasi.

Regresi Logistik hanyalah satu bagian dari pembelajaran mesin yang digunakan untuk memecahkan masalah klasifikasi biner semacam ini. Ada beberapa teknik pembelajaran mesin lain yang sudah dikembangkan dan sedang dipraktikkan untuk memecahkan jenis masalah lain.

Jika Anda telah mencatat, dalam semua contoh di atas, hasil predikasi hanya memiliki dua nilai - Ya atau Tidak. Kami menyebutnya sebagai kelas - sehingga mengatakan bahwa kita mengatakan bahwa pengklasifikasi kita mengklasifikasikan objek dalam dua kelas. Secara teknis, kita dapat mengatakan bahwa variabel hasil atau target bersifat dikotomis.

Ada masalah klasifikasi lain di mana keluaran dapat diklasifikasikan menjadi lebih dari dua kelas. Misalnya, diberi sekeranjang penuh buah-buahan, Anda diminta memisahkan buah-buahan yang berbeda jenisnya. Sekarang, keranjang itu mungkin berisi Jeruk, Apel, Mangga, dan sebagainya. Jadi ketika Anda memisahkan buah-buahan, Anda memisahkannya di lebih dari dua kelas. Ini adalah masalah klasifikasi multivariat.