A logisztikus regresszió egy modell, amely valószínűségeket számít két vagy több kategória közötti besorolásra.
Gyakran használják bináris döntésekhez (igen/nem). Az eredmény egy 0 és 1 közötti érték, amelyet kategóriává alakítanak.
Alapvető eszköz osztályozási problémákban.
Egy ügyfél várhatóan visszafizeti-e a hitelt vagy sem.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A gradiens ereszkedés egy optimalizálási módszer, amely lépésenként javítja a modell paramétereit a hibák csökkentése érdekében.
A hyperparaméterek olyan beállítások, amelyeket a modelltanítás előtt adunk meg, és amelyek befolyásolják a tanulási folyamatot.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
A lineáris regresszió egy egyszerű statisztikai modell, amely egyenes vonallal próbálja megbecsülni a bemenet és a kimenet közötti kapcsolatot.
Az osztályozás egy prediktív modellezési módszer, ahol a cél az, hogy az adatok előre definiált kategóriákba kerüljenek.
A regresszió egy gépi tanulási módszer, amely folytonos értékek előrejelzésére szolgál.
A veszteségfüggvény egy matematikai kifejezés, amely megmutatja, mennyire rosszul teljesít a modell az előrejelzés során.
