« Régression logistique » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(19 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
== Domaine ==
[[Category:Vocabulaire]]Vocabulaire<br />
[[Category:Google]]Google<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:scotty]]
[[Category:9]]
<br />
== Définition ==
== Définition ==
Modèle qui génère une probabilité pour chaque valeur d'étiquette discrète possible dans les problèmes de classification en appliquant une fonction sigmoïde à une prédiction linéaire. Bien que la régression logistique soit fréquemment utilisée dans les problèmes de classification binaire, elle peut également être utilisée dans les problèmes de classification à classes multiples (auquel cas elle est appelée régression logistique à classes multiples ou régression multinomiale).
La régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit de modéliser au mieux un modèle mathématique simple à des observations réelles nombreuses. En d'autres termes d'associer à un vecteur de variables aléatoires  une [[variable aléatoire]] binomiale génériquement notée. La régression logistique constitue un cas particulier de modèle linéaire généralisé. Elle est largement utilisée en apprentissage automatique.


== Français ==
'''régression logistique''' 


<br />
'''modèle logit''' 
== Termes privilégiés ==
=== régression logistique  n.f.===


== Anglais ==
'''logistic regression'''


<br />
==Sources==
 
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary ]
== Anglais ==


=== logistic regression===
[https://fr.wikipedia.org/wiki/R%C3%A9gression_logistique  Source : Wikipedia IA ]


<br/>
[[Category:GRAND LEXIQUE FRANÇAIS]]
<br/>
[[Category:Apprentissage profond]]
<br/>
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
<br/>
<br/>
<br/>

Dernière version du 25 avril 2024 à 15:57

Définition

La régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit de modéliser au mieux un modèle mathématique simple à des observations réelles nombreuses. En d'autres termes d'associer à un vecteur de variables aléatoires  une variable aléatoire binomiale génériquement notée. La régression logistique constitue un cas particulier de modèle linéaire généralisé. Elle est largement utilisée en apprentissage automatique.

Français

régression logistique

modèle logit

Anglais

logistic regression

Sources

Source : Google machine learning glossary

Source : Wikipedia IA

Récupérée de « https://datafranca.org/wiki/index.php?title=Régression_logistique&oldid=102740 »

Contributeurs: Claire Gorjux, Jacques Barolet, wiki, Robert Meloche