Neste blog você aprenderá como codificar regressão logística do zero em python.

Antes de entrar no código, vamos entender a matemática por trás da regressão logística e treinar o modelo usando gradiente descendente .

Regressão Logística:

O nome deste algoritmo é regressão logística por causa da função logística que usamos neste algoritmo. Neste combinamos linearmente as entradas (X) e os pesos/coeficientes para dar a saída (y).

A saída deste modelo escala entre 0 e 1 que atua como probabilidade do ponto de dados pertencer a uma determinada classe. Usamos a função sigmóide para atingir esse objetivo.

Ei! Espere .

Basta seguir os seguintes passos e você aprenderá como funciona.

1. Primeiramente todas as entradas são multiplicadas com seus respectivos pesos e são somadas e chamamos isso de soma ponderada .

3. Em seguida, calculamos a perda usando a seguinte função de perda.

Os pesos/coeficientes são um vetor dimensional que temos que aprender usando gradiente descendente. Agora vamos ver como aprender esses pesos.

Gradiente descendente:

A descida do gradiente é a técnica de otimização na qual usamos o gradiente da função de perda para atualizar nossos pesos. Agora veremos como atualizar os pesos usando isso.

Mostre-me o código:

Eu implementei a classe de regressão logística. Este código não possui regularização implementada.

Vamos traçar alguns gráficos para visualizar como o modelo aprende.

Isso é tudo por agora. Se você tiver alguma dúvida, então, escreva nos comentários.

Se você é iniciante e quer saber o que é calibração então acesse este blog .

Calibração em Machine Learning