logistische regressievoorbeeld – magoosh
.magoosh
Logistische regressie is een van de meest gebruikte Machine Learning algoritmen die wordt gebruikt om een binaire variabele te modelleren die slechts 2 waarden heeft – 0 en 1. Het doel van Logistische Regressie is om een wiskundige vergelijking te ontwikkelen die ons een score kan geven in het bereik van 0 tot 1. Deze score geeft ons de waarschijnlijkheid dat de variabele de waarde 1 aanneemt.
Hier zijn enkele van de populair bestudeerde voorbeelden van Logistische Regressie:
Logistische Regressie Voorbeeld: Spamdetectie
Spamdetectie is een binair classificatieprobleem waarbij we een e-mail krijgen en we moeten classificeren of het spam is of niet. Als de e-mail spam is, geven we hem een 1; als het geen spam is, geven we hem een 0. Om Logistische Regressie toe te passen op het spamdetectieprobleem, worden de volgende kenmerken uit de e-mail gehaald:
- Afzender van de e-mail
- Aantal typefouten in de e-mail
- Overvloed van woorden/zinnen als “aanbieding”, “prijs”, “gratis geschenk”, enz.
De resulterende feature vector wordt dan gebruikt om een Logistic classifier te trainen die een score geeft in het bereik van 0 tot 1. Als de score meer is dan 0.5, bestempelen we de e-mail als spam. Anders bestempelen we het niet als spam.
Logistische Regressie Voorbeeld: Credit Card Fraud
Het Credit Card Fraud Detection probleem is van groot belang voor het bankwezen omdat banken elk jaar honderden miljoenen dollars uitgeven als gevolg van fraude. Wanneer een credit card transactie plaatsvindt, noteert de bank een aantal factoren. Bijvoorbeeld de datum van de transactie, het bedrag, de plaats, het soort aankoop, enz. Op basis van deze factoren ontwikkelen zij een Logistisch Regressiemodel om te bepalen of de transactie al dan niet een fraude is.
Bijvoorbeeld, als het bedrag te hoog is en de bank weet dat de betrokken persoon nooit zulke hoge aankopen doet, kunnen zij het als fraude bestempelen.
Logistische Regressie Voorbeeld: Tumorvoorspelling
Een Logistische Regressie classifier kan worden gebruikt om vast te stellen of een tumor kwaadaardig is of dat het goedaardig is. Verscheidene medische beeldvormingstechnieken worden gebruikt om verschillende kenmerken van tumoren te extraheren. Bijvoorbeeld de grootte van de tumor, het aangetaste lichaamsgebied, enz. Deze kenmerken worden vervolgens ingevoerd in een Logistic Regression classifier om te bepalen of de tumor kwaadaardig of goedaardig is.
Logistic Regression Voorbeeld: Marketing
Elke dag, wanneer u door uw Facebook-nieuwsfeed bladert, voorspellen de krachtige algoritmen die achter de schermen draaien of u al dan niet geïnteresseerd zou zijn in bepaalde inhoud (dat kan bijvoorbeeld een advertentie zijn). Dergelijke algoritmen kunnen worden gezien als complexe variaties van Logistische Regressie-algoritmen waarbij de vraag die moet worden beantwoord eenvoudig is – zal de gebruiker deze bepaalde advertentie in zijn/haar nieuwsfeed leuk vinden?
Dit waren enkele van de Logistische Regressie-voorbeelden die u een gevoel zouden hebben gegeven van de gebruikssituaties ervan. Machine learning is een enorm gebied en Logistic Regression is er slechts een klein onderdeel van. Blijf meer leren en blijf Magoosh volgen voor meer blogs over data science!