Etkileşimli Lojistik Regresyon#
Bölüm 3 / Olasılıksal Sınıflandırma
Sigmoid fonksiyonunu kullanan ikili sınıflandırma eğrisinin farklı parametre değerleriyle nasıl değiştiğini gör. Burada model, sert bir karar çizgisi çizmek yerine her nokta için bir olasılık üretir.
Ne Yap
Ağırlığı ve bias'ı değiştirerek sigmoid eğrisinin sağa sola kayışını ve eğimini kontrol et.
Ne Gör
Eğri dikleştikçe model daha “emin” davranır; yumuşadıkça olasılıklar daha kademeli dağılır.
İpucu
Bunu perceptronla karşılaştır: lojistik regresyon aynı sınırı daha yumuşak ve olasılıksal bir dille ifade eder.
Bu demo marimo üzerinden gömülü çalışır. Parametreleri değiştirdikçe karar eğrisinin ve olasılıkların nasıl değiştiğini anında görebilirsin.