Bài giảng Máy học nâng cao: Logistic regression - Trịnh Tấn Đạt (2024)

Tải liệu này giới thiệu kỹ thuật logistical regression, một phương pháp hồi quy cho các dữ liệu rời rạc, được sử dụng rộng rãi trong việc phân loại và tình huống dự đoán. Bài tập cung cấp hai ví dụ về ứng dụng logistical regression, trong đó một trong những ví dụ là phân loại hoa dùng thuật toán này.

Nhà nghiên cứu, sinh viên chuyên ngành toán học, toán và lập trình, doanh nghiệp sử dụng AI và Machine Learning, nhà hoạch định chính sách quốc gia

Logistic Regression là một phương pháp hồi quy logistic được sử dụng để dự đoán output rời rạc (discrete target variable) y ứng với một vector input x. Phương pháp này tương đương với việc phân loại các x vào các nhóm y tương ứng, thường dùng trong binary classification. Logistic Regression có thể mở rộng cho multiclass (softmax regression). Phương pháp hồi quy logistic được mô hình hóa bằng cách sử dụng hàm kích hoạt sigmoid và tối thiểu hóa hàm mất mát (loss function) bằng phương pháp Stochastic Gradient Descent (SGD). Logistic Regression được sử dụng nhiều trong các bài toán Classification, việc xác định class y cho một điểm dữ liệu x được xác định bằng việc so sánh hai biểu thức xác suất. Bài tập cung cấp hai ví dụ về ứng dụng Logistic Regression: dự đoán trúng tuyển đại học dựa vào điểm thi và phân loại hoa dùng thuật toán Logistic Regression.