Sanfte Einführung in die logistische Regression. Wir erkunden dieses leistungsstarke, aber einfache Machine-Learning-Modell für binäre Klassifikationsaufgaben, wie die Vorhersage, ob ein Schüler eine Prüfung bestehen oder nicht bestehen wird!
Wir erklären den Unterschied zwischen logistischer und linearer Regression, tauchen in die Intuition hinter der Sigmoid-Funktion ein und zeigen, warum die Kreuzentropie-Verlustfunktion für wahrscheinlichkeitbasierte Modelle sinnvoll ist.
Keine komplexe Mathematik erforderlich – nur klare Erklärungen, intuitive Visualisierungen und eine praktische Demo in Python mit scikit-learn.
---------------
00:00 Einführung
00:30 Arbeitsbeispiel
1:06 Rückblick auf die lineare Regression
2:33 Logistische Regression
3:30 Kreuzentropie-Verlustfunktion
7:10 Code
Dieses Video wäre ohne die Hilfe von Gökçe Dayanıklı nicht möglich gewesen.