組み込み開発のためのPython · レッスン 139 / 220
ロジスティック回帰で分類する
ロジスティック回帰は分類確率を推定する線形モデルです。閾値やクラス重みで誤検出と見逃しのバランスが変わります。
ロジスティック回帰は分類確率を推定する線形モデルです。閾値やクラス重みで誤検出と見逃しのバランスが変わります。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
ロジスティック回帰は分類確率を推定する線形モデルです。閾値やクラス重みで誤検出と見逃しのバランスが変わります。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.linear_model import LogisticRegression
model = LogisticRegression().fit([[0], [1], [2], [3]], [0, 0, 1, 1])
print(model.predict_proba([[1.5]]))手を動かす課題
確率のしきい値を変え、混同行列と見逃し率がどう変化するか比較してください。