Die logistische Regression ist ein einfacher, aber sehr effektiver Klassifikationsalgorithmus, daher wird sie häufig für viele binäre Klassifikationsaufgaben … verwendet. Die Grundlage der logistischen Regression ist die logistische Funktion, auch Sigmoid genannt Funktion, die jede reelle Zahl aufnimmt und auf einen Wert zwischen 0 und 1 abbildet.
Kann Regression zur Klassifizierung verwendet werden?
Die lineare Regression eignet sich zur Vorhersage von Ergebnissen, die einen kontinuierlichen Wert darstellen, wie z. B. die Vorhersage des Preises einer Immobilie. … Während logistische Regression für Klassifikationsprobleme ist, die einen Wahrscheinlichkeitsbereich zwischen 0 und 1 vorhersagen.
Wird die logistische Regression hauptsächlich zur Regression oder Klassifizierung verwendet?
Es kann sowohl für Klassifikation als auch für Regressionsprobleme verwendet werden, wird aber hauptsächlich für Klassifikationsprobleme verwendet. Die logistische Regression wird verwendet, um die kategoriale abhängige Variable mit Hilfe unabhängiger Variablen vorherzusagen. Die Ausgabe des Problems der logistischen Regression kann nur zwischen 0 und 1 liegen.
Kann die logistische Regression für die 3-Klassen-Klassifizierung verwendet werden?
Standardmäßig kann die logistische Regression nicht für Klassifikationsaufgaben verwendet werden die mehr als zwei Klassenbezeichnungen haben, sogenannte Mehrklassenklassifikation. Stattdessen ist eine Modifikation erforderlich, um Klassifizierungsprobleme mit mehreren Klassen zu unterstützen.
Kann die logistische Regression zur nichtlinearen Klassifikation verwendet werden?
Also um Ihre Frage zu beantworten, die logistische Regression ist in der Tat nicht linear in Bezug auf Quoten und Wahrscheinlichkeiten, jedoch ist sie in Bezug auf Log-Quoten linear.
