En este blog aprenderá cómo codificar la regresión logística desde cero en python.

Antes de entrar en el código, comprendamos las matemáticas detrás de la regresión logística y entrenemos el modelo mediante el descenso de gradiente .

Regresión logística :

El nombre de este algoritmo es regresión logística debido a la función logística que usamos en este algoritmo. En esto combinamos linealmente las entradas (X) y los pesos/coeficientes para dar la salida (y).

La salida de este modelo escala entre 0 y 1, que actúa como probabilidad de que el punto de datos pertenezca a una clase en particular. Usamos la función sigmoidea para lograr este objetivo.

¡Oye! Esperar .

Simplemente siga los siguientes pasos y aprenderá cómo funciona.

1. En primer lugar, todas las entradas se multiplican con sus respectivos pesos y se suman, y a esto lo llamamos suma ponderada .

3. Luego calculamos la pérdida usando la siguiente función de pérdida.

Los pesos/coeficientes es un vector dimensional que tenemos que aprender usando descenso de gradiente. Ahora veremos cómo aprender esos pesos.

Descenso de gradiente:

El descenso de gradiente es la técnica de optimización en la que usamos el gradiente de la función de pérdida para actualizar nuestros pesos. Ahora veremos cómo actualizar los pesos usando esto.

Muéstrame el código:

He implementado la clase de regresión logística. Este código no tiene implementada la regularización.

Tracemos algunos gráficos para visualizar cómo aprende el modelo.

Esto es todo por ahora. Si tienes alguna pregunta entonces, escribe en los comentarios.

Si eres un principiante y quieres saber qué es la calibración , visita este blog .

Calibración en aprendizaje automático