Bu blogda python'da lojistik regresyonu sıfırdan nasıl kodlayacağınızı öğreneceksiniz.

Koda girmeden önce lojistik regresyonun arkasındaki matematiği anlayalım ve modeli gradyan iniş kullanarak eğitelim .

Lojistik regresyon :

Bu algoritmada kullandığımız lojistik fonksiyon nedeniyle bu algoritmanın adı lojistik regresyondur. Burada çıktıyı (y) vermek için girdileri (X) ve ağırlıkları/katsayıları doğrusal olarak birleştiririz.

Bu modelin çıktısı, belirli bir sınıfa ait veri noktasının olasılığı olarak işlev gören 0 ile 1 arasında ölçeklendirilir. Bu amaca ulaşmak için sigmoid fonksiyonunu kullanıyoruz.

Hey! Beklemek .

Sadece aşağıdaki adımları izleyin ve nasıl çalıştığını öğreneceksiniz.

1. Öncelikle girdiler ilgili ağırlıkları ile çarpılır ve toplanır ve buna ağırlıklı toplam diyoruz .

3. Daha sonra aşağıdaki kayıp fonksiyonunu kullanarak kaybı hesaplarız.

Ağırlıklar/katsayılar, gradyan inişini kullanarak öğrenmemiz gereken boyutsal bir vektördür. Şimdi bu ağırlıkları nasıl öğreneceğimizi göreceğiz.

Dereceli alçalma:

Gradyan iniş, ağırlıklarımızı güncellemek için kayıp fonksiyonunun gradyanını kullandığımız optimizasyon tekniğidir. Şimdi bunu kullanarak ağırlıkları nasıl güncelleyeceğimizi göreceğiz.

Bana kodu göster:

Lojistik regresyon sınıfını uyguladım. Bu kod, uygulanan bir düzenlemeye sahip değildir.

Modelin nasıl öğrendiğini görselleştirmek için bazı grafikler çizelim.

şimdilik bu kadar. Herhangi bir sorunuz varsa, yorumlara yazın.

Yeni başlayan biriyseniz ve kalibrasyonun ne olduğunu öğrenmek istiyorsanız bu blogu inceleyin .

Makine Öğreniminde Kalibrasyon