Régression logistique : Fondements et applications

Cette séance de cours couvre les fondamentaux de la régression logistique, y compris la classe linéaire, la descente stochastique du gradient, le coût de l'entropie croisée, la régularisation, la classification vs régression, les limites de décision, et des exemples du monde réel utilisant scikit-learn. L'instructeur explique les concepts avec des exemples pratiques et discute de l'importance de la précision, de la sensibilité, de la spécificité et de la précision dans les tâches de classification.