Uitleg
Logistische regressie is een fundamenteel lineair classificatie-algoritme dat waarschijnlijkheden van klassen voorspelt tussen 0 en 1. Het naam is verwarrend - ondanks "regressie" is het een classificatie-algoritme.
Logistische regressie gebruikt een sigmoid-functie (logistic curve) om lineaire combinatie van features naar waarschijnlijkheden te mappen. Dit verschilt van lineaire regressie die continue waarden voorspelt. Het algoritme is interpreteerbaar: coëfficiënten tonen feature-impact op klasse-waarschijnlijkheid.
Logistische regressie is snel, schaalbaar, en werkt goed voor binaire classificatie. Het presteert het best wanneer klassen gescheiden zijn door een lineair grens. Voor non-lineaire grensen werkten algorithms als SVMs of neurale netwerken beter.
⚡ Voorbeelden
- •Krediet-goedkeuring: logistische regressie voorspelt waarschijnlijkheid van loan default
- •Ziekten-voorspelling: waarschijnlijkheid van ziekte gegeven symptomen
- •Markt-churn-voorspelling: waarschijnlijkheid dat klant gaat vertrekken