Regressão Logística e Probabilidades
A árvore de decisão te deu um rótulo. Mas sistemas reais geralmente precisam de mais do que "spam" ou "não spam" -> eles precisam de quão certo o modelo está, para que você possa definir um limite, se abster quando não tiver certeza ou encaminhar os casos confiáveis automaticamente. O modelo principal para isso é logistic regression, e apesar do nome ele é um classifier, não um regressor.
Aqui está a ideia por trás disso. Um modelo linear calcula uma soma ponderada das features, que pode ser qualquer número de menos infinito a mais infinito. A regressão logística achata esse número através da função sigmoid em uma probabilidade entre 0 e 1:
sigmoid(z) = 1 / (1 + e**(-z))
# z = -4 -> 0.018 z = 0 -> 0.5 z = 4 -> 0.982Então o modelo gera P(class = 1). Qualquer coisa acima de 0.5 prevê a classe 1, qualquer coisa abaixo prevê a classe 0, e um valor perto de 0.5 é o modelo dizendo "não tenho certeza". Esse número único é o que cada truque de roteamento e limite de confiança posterior neste curso é construído.
O código é o mesmo ritual fit/predict da árvore, com um novo método, predict_proba, que retorna as probabilidades em vez dos rótulos fixos:
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()
clf.fit(X, y)
clf.predict(X) # hard labels: 0 or 1
clf.predict_proba(X) # one [P(0), P(1)] row per sample, each row sums to 1Você vai treiná-lo em um conjunto de dados pequeno e intuitivo: horas estudadas versus se um aluno passou. Poucas horas -> reprovado (0), muitas horas -> aprovado (1). Como o padrão é monotônico, o modelo ajustado deve dar uma maior probabilidade de passar para alguém que estudou mais. As duas colunas de predict_proba são P(class 0) e P(class 1) na ordem de clf.classes_ (aqui [0, 1]), então o índice da coluna 1 é a probabilidade de passar.
Um conjunto de dados de 1 característica é fornecido: hours estudou e passed (0 ou 1). (1) Crie um LogisticRegression() e fit ele em X, y. (2) Armazene os rótulos fixos para X em preds. (3) Use predict_proba para armazenar a probabilidade de passing (classe 1) para estudar por 2 horas em p_low, e por 7 horas em p_high. O modelo deve ser confiante o suficiente que p_high > p_low, e ambos são probabilidades reais entre 0 e 1.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.