Logistinen regressio on yksi yleisimmin käytetyistä koneoppimisen algoritmeista, jota käytetään mallintamaan binääristä muuttujaa, joka ottaa vain kaksi arvoa – 0 ja 1. Logistisen regression tavoitteena on kehittää matemaattinen yhtälö, joka voi antaa meille pistemäärän välillä 0-1. Tämä pistemäärä antaa meille todennäköisyyden sille, että muuttuja ottaa arvon 1.
Tässä on joitain yleisesti tutkittuja esimerkkejä logistisesta regressiosta:
Logistinen regressio esimerkki: Roskapostin havaitseminen
Roskapostin havaitseminen on binäärinen luokitusongelma, jossa meille annetaan sähköposti ja meidän on luokiteltava, onko se roskapostia vai ei. Jos sähköposti on roskapostia, merkitsemme sen arvolla 1; jos se ei ole roskapostia, merkitsemme sen arvolla 0. Jotta logistista regressiota voidaan soveltaa roskapostin havaitsemisongelmaan, sähköpostista poimitaan seuraavat piirteet:
- Sähköpostin lähettäjä
- Kirjoitusvirheiden määrä sähköpostissa
- Sanojen/lauseiden, kuten ”tarjous”, ”palkinto”, ”ilmainen lahja” jne. esiintyminen.
Tuloksena saatua ominaisuusvektoria käytetään sitten Logistic-luokittimen kouluttamiseen, joka antaa pistemäärän välillä 0-1. Jos pistemäärä on yli 0,5, sähköpostiviesti luokitellaan roskapostiksi. Muussa tapauksessa emme leimaa sitä roskapostiksi.
Logistinen regressio Esimerkki: Luottokorttipetokset
Luottokorttipetosten havaitsemisongelma on pankkialalle erittäin tärkeä, koska pankit käyttävät vuosittain satoja miljoonia dollareita petosten vuoksi. Kun luottokorttitapahtuma tapahtuu, pankki ottaa huomioon useita tekijöitä. Esimerkiksi tapahtuman päivämäärä, summa, paikka, ostotyyppi jne. Näiden tekijöiden perusteella he kehittävät logistisen regressiomallin siitä, onko tapahtuma petos vai ei.
Jos esimerkiksi summa on liian suuri ja pankki tietää, että asianomainen henkilö ei koskaan tee niin suuria ostoksia, he saattavat leimata sen petokseksi.
Logistinen regressio Esimerkki: Kasvaimen ennustaminen
Logistisen regression luokittimen avulla voidaan tunnistaa, onko kasvain pahanlaatuinen vai hyvänlaatuinen. Useita lääketieteellisiä kuvantamistekniikoita käytetään kasvainten erilaisten piirteiden poimimiseen. Esimerkiksi kasvaimen koko, vaurioitunut kehon alue jne. Nämä piirteet syötetään sitten logistiselle regressioluokittimelle, jonka avulla tunnistetaan, onko kasvain pahanlaatuinen vai hyvänlaatuinen.
Logistinen regressio Esimerkki: Joka päivä, kun selaat Facebookin uutisvirtaa, taustalla toimivat tehokkaat algoritmit ennustavat, olisitko kiinnostunut tietystä sisällöstä (joka voi olla esimerkiksi mainos). Tällaisia algoritmeja voidaan pitää monimutkaisina muunnelmina Logistic Regression -algoritmeista, joissa vastattava kysymys on yksinkertainen – pitääkö käyttäjä tästä tietystä mainoksesta uutissyötteessään?
Nämä olivat joitakin Logistic Regression -esimerkkejä, jotka olisivat antaneet sinulle tuntumaa sen käyttötapauksista. Koneoppiminen on valtava ala, ja Logistic Regression on vain pieni osa sitä. Jatka oppimista ja pysy mukana Magooshissa saadaksesi lisää blogeja datatieteestä!