Logistik regressiya - bu nazorat qilinadigan mashinani o'rganish algoritmi bo'lib, asosan tasniflash vazifalari uchun foydalaniladi, bunda maqsad misolning ma'lum bir sinfga tegishli bo'lish ehtimolini bashorat qilishdir. U tasniflash algoritmlari uchun ishlatiladi, uning nomi logistik regressiyadir. u regressiya deb ataladi, chunki u chiziqli regressiya funktsiyasining chiqishini kirish sifatida qabul qiladi va berilgan sinf uchun ehtimollikni baholash uchun sigmasimon funktsiyadan foydalanadi. Chiziqli regressiya va logistik regressiya o'rtasidagi farq shundaki , chiziqli regressiya natijasi har qanday bo'lishi mumkin bo'lgan doimiy qiymatdir, logistik regressiya esa misolning ma'lum sinfga tegishli yoki yo'qligini taxmin qiladi. Logistik regressiya: U ma'lum bir mustaqil o'zgaruvchilar to'plamidan foydalangan holda toifali bog'liq o'zgaruvchini bashorat qilish uchun ishlatiladi.
Logistik regressiya kategorik bog'liq o'zgaruvchining chiqishini bashorat qiladi. Shuning uchun natija kategorik yoki diskret qiymat bo'lishi kerak.
Bu Ha yoki Yo'q, 0 yoki 1, rost yoki noto'g'ri va hokazo bo'lishi mumkin, lekin 0 va 1 sifatida aniq qiymat berish o'rniga 0 va 1 orasida bo'lgan ehtimollik qiymatlarini beradi.
Logistik regressiya chiziqli regressiyaga juda o'xshaydi, faqat ulardan foydalanish usuli. Chiziqli regressiya regressiya muammolarini hal qilish uchun ishlatiladi, logistik regressiya esa tasniflash muammolarini hal qilish uchun ishlatiladi.
Logistik regressiyada biz regressiya chizig'ini o'rnatish o'rniga ikkita maksimal qiymatni (0 yoki 1) bashorat qiladigan "S" shaklidagi logistik funktsiyani o'rnatamiz.
Logistik funktsiyaning egri chizig'i hujayralar saraton yoki yo'qligi, sichqonchaning semirib ketganligi yoki vazniga qarab yo'qligi va hokazolar ehtimolini ko'rsatadi.
Logistik regressiya mashinani o'rganishning muhim algoritmidir, chunki u doimiy va diskret ma'lumotlar to'plamlari yordamida ehtimolliklarni ta'minlash va yangi ma'lumotlarni tasniflash qobiliyatiga ega.
Logistik regressiya har xil turdagi ma'lumotlardan foydalangan holda kuzatuvlarni tasniflash uchun ishlatilishi mumkin va tasniflash uchun ishlatiladigan eng samarali o'zgaruvchilarni osongina aniqlashi mumkin.