Inferenz, Schätzung und Entscheidungsfindung aus Daten
Die lineare Regression sagt eine beliebige reelle Zahl vorher, was für ein Ja-oder-Nein-Ergebnis unpassend ist. Eine Wahrscheinlichkeit muss zwischen 0 und 1 bleiben. Die logistische Regression behebt das, indem sie zuerst einen linearen Score berechnet und diesen Score dann mit der Sigmoidfunktion, geschrieben σ, in das Intervall (0, 1) hineinquetscht. Die darunterliegende Entscheidungsgrenze bleibt linear; nur die Ausgabe wird zu einer echten Wahrscheinlichkeit.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Logistische Regression