Ciência de Dados: Regressão Logística
ฝัง
- เผยแพร่เมื่อ 11 ต.ค. 2024
- Nessa aula apresentamos o classificador Regressão Logística, descrevendo tanto os aspectos teóricos, como computacionais, com o uso em Python.
Códigos em Python:
github.com/fra...
Veja a playlista sobre Ciência de Dados:
bit.ly/2VX1mPz
Acompanhe novidades sobre Ciência de Dados no Telegram:
t.me/cdcomplexos
Se inscreva no canal:
/ franciscorodrigues
Fotos: unsplash.com
Música de abertura: www.bensound.com
Seu canal é tranquilamente um dos melhores do TH-cam. Parabéns!
Obrigado Luis!
Excelente aula!
Excelente vídeo, professor! Vi que é professor do icmc na parte que mostrou o codigo em python. Eu faço BSI aí no icmc haha estou indo pro terceiro período e estudando ML para uma IC. Seu vídeo me ajudou muito a entender logistic regression, obrigado!!!
Professor, continue com as aulas neste canal rsrs. certamente um dos canais tops da area no YT
Obrigado Thiarlle, esse semana teremos mais videos. Vou continuar sim.
Excelente aula professor, um detalhe muito positivo que gostaria de destacar é o fato do senhor comentar o porquê de podermos aplicar o log da função de verossimilhança para maximizá-la, é bem comum muitas etapas matemáticas passarem batidas nas aulas de estatística (pelo menos na minha exeperiência) e isso me ajudou a entender melhor o rigor das fórmulas, muito obrigado!
Conteudo nota 10, parabéns pelo trabalho
Que é um excelente professor já sabia há mais de dez anos. Mas só pude comprovar esse semestre. Parabéns, faz até esquecermos que a aula é a distancia
Obrigado Diego!
Canal Top
Meus parabéns professor.
Realmente a tranquilidade com que o senhor passa sobre assuntos complexos de uma forma simples, facilita bastante.
Confesso q tenho bastante dificuldade nas transformações algébricas, porém cada dia a gente se supera um pouco mais.
Obrigado por compartilhar seus conhecimentos e dedicar seu tempo fortalecendo a comunidade.
Um forte abraço e parabéns novamente.
Obrigado Davi! Eu estou planejando uma série de aulas sobre conceitos básicos de matemática para ajudar no entendimento dos conceitos teóricos. Abraços
obrigado por ler o meu comentário da aula passada e esse é o tópico q uso em meu trabalho. regressão logistica e churn. vou por no meu linkedin
@henrique, estou na mesma vibe!
Ola bom dia que Deus abençoe sua vida grandemente.
Excelente aula. Esta de parabens. ~ De Mocambique
Obrigado Albino! Fico feliz que minhas aulas estejam ajudando vocês de Moçambique!
ótimo vídeo, professor. parabéns!
Obrigado pelo elogio! Bons estudos!
Excelente conteúdo, professor!
Muito obrigada pelo vídeo! Assunto super interessante, confesso que só não entendi o código em python direito porque ainda não estou familiarizada com as bibliotecas e funções usadas
Olá Ana, eu coloco os códigos no Github. Faltou adicionar o link: github.com/franciscoicmc/ciencia-de-dados
Puxa, muito bom seu trabalho! Eu gostaria entender melhor as diferenças entre os conceitos entre a regressão logística e redes neurais. Pelo que percebi de sua explicação, a primeira leva a segunda. Porém, qual a base de conceituação da rede neural? Sei que lá há alguns outra funções de regressão além da sigmoid. Poderia me ajudar a consolidar este meu entendimento? Obrigado! E Parabéns pelo pela apresentação realmente rica!
Olá Edivaldo, na verdade, esses modelos foram desenvolvidos de forma independente. No entanto, podemos pensar que a regressão logística é igual à rede neural com um neurônio e apenas uma camada. Isso se deve porque conceitualmente esses modelos são idênticos. É claro que as redes neurais são mais gerais, pois podem usar outras funções de ativação, outros métodos de otimização e várias camadas e neurônios. Em breve devo publicar vídeos sobre redes neurais e aí vou falar novamente sobre essa semelhança entre os modelos.
@@FranciscoRodrigues obrigado! Gostei bastante desse topico. Até busquei rever o conceito de estimadores estatisticos. Sem falar que a importancia destes conceitos mostrou realmente importante. Obrigado
A função log verossimilhança é a função custo? Por gentileza, o que seria a função de entropia? Eu não entendi
Uma abordagem que eu estudei baseado na sua aula poderia ser assim. Y é a probabilidade de ser fraude. Então quanto mais próximo de 1 é fraude. A gente poderia fazer assim, se a probabilidade estimada fosse maior que 0.5 a gente poderia colocar fraude, menor cliente honesto. Essa abordagem, mais ou menos similar, é vista em Gujarati
Parabéns pela aula, professor.
Olá Henrique, a função de verossimilhança é o negativo da função custo. A função perda se chama entropia cruzada porque na verdade usa a Entropia de Shannon. Vou gravar uma aula sobre essa medida de entropia.
Professor, porque não é possível isolar a função exponencial? Tem algum teorema que fala sobre isso?
Olá Lucka, nesse caso não é possível. É chamada transcendental equation: en.wikipedia.org/wiki/Transcendental_equation
@@FranciscoRodrigues Entendi, muito interessante
@@luckadegodoygianvechio6800Essa equação são muito comuns e por isso precisamos conhecer os métodos numérico ;-)