Régression logistique

Séances de cours associées (500)

Régression linéaire : Fondements

Couvre les bases de la régression linéaire, de la classification binaire et multiclasse, et des mesures d'évaluation.

Régression logistique : fonctions de coût et optimisation

Explore la régression logistique, les fonctions de coût, la descente en gradient et la modélisation de probabilité à l'aide de la fonction sigmoïde logistique.

Modèles génériques : auto-attention et transformateurs

Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.

Classification : Principes de base et techniques

Introduit les bases de la classification dans l'apprentissage automatique, couvrant la prédiction binaire et multi-classes, les limites de décision, et diverses techniques de classification.

Régression linéaire : bases et estimation

Couvre les bases de la régression linéaire et la façon de résoudre les problèmes d'estimation en utilisant les moindres carrés et la notation matricielle.

Régression linéaire: Théorie et applications

Couvre la théorie et les applications pratiques de la régression linéaire.

Régression & Linéaires Systemed

Couvre les principes de la régression et des systèmes linéaires, en mettant l'accent sur les méthodes itératives.

Régression logistique : Fondements et applications

Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.

Estimation maximale de la probabilité : théorie

Couvre la théorie derrière l'estimation maximale de la vraisemblance, en discutant des propriétés et des applications dans le choix binaire et des modèles multiréponses ordonnées.

Modèles linéaires généralisés: GLM pour les données non gaussiennes

Explorer des modèles linéaires généralisés pour les données non gaussiennes, couvrant l'interprétation de la fonction de liaison naturelle, la normalité asymptotique MLE, les mesures de déviance, les résidus et la régression logistique.