dsc-logistic-regression-intro-atlanta-ds-091619

逻辑回归-简介 介绍 在本文中，您将被介绍一种新型的机器学习技术：分类！ 您将学习一种称为逻辑回归的算法，以及数据科学家评估分类模型性能的不同方法。 逻辑回归 您熟悉线性回归以预测连续值。 现在，您将返回回归，看看如何将其用作分类器，而不是确定给定数据点与两个类别之一相关联的可能性。 我们将从介绍sigmoid函数开始，并说明如何使用它来拟合与二元分类器匹配的曲线（例如，某人的年收入超过或低于$ 40ka，或者它们是好是坏的信用风险）。 评估分类器 然后，我们将研究基于精度，召回率和准确性来评估其他分类器的逻辑回归模型评估的实用性。 我们还花了一些时间研究如何为逻辑回归分类器绘制混淆矩阵，并介绍了几个关键概念，以确定给定分类器的最佳精度-召回权衡-接收器工作特性（ROC）曲线和AUC（曲线下的面积）。 班级失衡问题 然后，我们介绍阶级失衡的概念。 想象一下一个癌症分类器，其中每1000