La régression logistique est un algorithme de classification simple mais très efficace, il est donc couramment utilisé pour de nombreuses tâches de classification binaire … La base de la régression logistique est la fonction logistique, également appelée sigmoïde fonction, qui prend n'importe quel nombre à valeur réelle et le mappe à une valeur comprise entre 0 et 1.
Peut-on utiliser la régression pour la classification ?
La régression linéaire convient pour prédire la sortie qui est une valeur continue, comme prédire le prix d'une propriété. … Alors que régression logistique concerne les problèmes de classification, ce qui prédit une plage de probabilité entre 0 et 1.
La régression logistique est-elle principalement utilisée pour la régression ou la classification ?
Il peut être utilisé pour la Classification ainsi que pour les problèmes de régression, mais principalement pour les problèmes de classification. La régression logistique est utilisée pour prédire la variable dépendante catégorielle à l'aide de variables indépendantes. La sortie du problème de régression logistique ne peut être qu'entre 0 et 1.
Peut-on utiliser la régression logistique pour la classification en 3 classes ?
Par défaut, la régression logistique ne peut pas être utilisée pour les tâches de classification qui ont plus de deux étiquettes de classe, dite classification multi-classes. Au lieu de cela, il nécessite une modification pour prendre en charge les problèmes de classification multi-classes.
Peut-on utiliser la régression logistique pour une classification non linéaire ?
Donc, pour répondre à votre question, la régression logistique est en effet non linéaire en termes de cotes et de probabilités, mais elle est linéaire en termes de log cotes.
