Inférence, estimation et prise de décision à partir des données
La régression linéaire prédit n'importe quel nombre réel, ce qui est gênant pour un résultat de type oui-ou-non. Une probabilité doit rester entre 0 et 1. La régression logistique corrige cela en calculant d'abord un score linéaire, puis en écrasant ce score dans l'intervalle (0, 1) avec la fonction sigmoïde, notée σ. La frontière de décision sous-jacente reste linéaire ; seule la sortie devient une véritable probabilité.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Régression logistique