Régression Logistique

Attention au piège ! La régression logistique sert à la CLASSIFICATION (binaire généralement).

La Fonction Sigmoïde

Au lieu de prédire une valeur infinie comme la régression linéaire, on passe le résultat dans une fonction sigmoïde qui écrase la sortie entre 0 et 1.

p = 1 / (1 + e^-z)

Si p > 0.5, on classe en 1 (Positif). Sinon, 0 (Négatif).

Exemple : Spam ou Non Spam ?

from sklearn.linear_model import LogisticRegression

# [Nombre de mots clés, Longueur du mail]
X = [[5, 100], [0, 50], [10, 200], [1, 20]]
y = [1, 0, 1, 0] # 1 = Spam, 0 = Non Spam

model = LogisticRegression()
model.fit(X, y)

# Nouveau mail
print(model.predict([[4, 120]])) # Probablement 1 (Spam)
print(model.predict_proba([[4, 120]])) # Voir les probabilités

💪 À vous de jouer !

Utilisez le notebook interactif ci-dessous pour tester le code directement ici !