Fundamentos de machine learning · Aprendizaje supervisado

Regresión logística

Un modelo lineal adaptado para clasificación comprimiendo su salida en una probabilidad.

Empezar una lección sobre Regresión logística

Aprende antes

• Descenso de gradiente: Ajustar repetidamente los parámetros de un modelo cuesta abajo en la función de costo para reducir el error.

Lleva a

• Métricas de evaluación de clasificación: La exactitud sola puede engañar; precisión, exhaustividad, F1 y ROC-AUC capturan cada una una forma distinta en que un clasificador puede acertar o errar.
• Máquinas de vectores de soporte: Un clasificador que encuentra el margen más amplio posible entre clases, y puede curvar ese margen usando núcleos (kernels).
• Fundamentos de redes neuronales: Apilar capas de unidades similares a la regresión logística, conectadas por funciones de activación no lineales, para aprender patrones más complejos.

Temas relacionados

• Métricas de evaluación de clasificación: La exactitud sola puede engañar; precisión, exhaustividad, F1 y ROC-AUC capturan cada una una forma distinta en que un clasificador puede acertar o errar.
• Máquinas de vectores de soporte: Un clasificador que encuentra el margen más amplio posible entre clases, y puede curvar ese margen usando núcleos (kernels).