« Régression logistique » : différence entre les versions

Dernière version du 15 juin 2025 à 15:14

Définition

La régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit de modéliser au mieux un modèle mathématique simple à des observations réelles nombreuses. En d'autres termes d'associer à un vecteur de variables aléatoires une variable aléatoire binomiale génériquement notée. La régression logistique constitue un cas particulier de modèle linéaire généralisé. Elle est largement utilisée en apprentissage automatique.

Voir aussi régression logistique binomiale

Français

régression logistique

modèle logit

Anglais

logistic regression

Sources

Source : Google machine learning glossary

Source : Wikipedia IA

@@ Ligne 1 : / Ligne 1 : @@
 == Définition ==
-La régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit de modéliser au mieux un modèle mathématique simple à des observations réelles nombreuses. En d'autres termes d'associer à un vecteur de variables aléatoires  une [[variable aléatoire]] binomiale génériquement notée. La régression logistique constitue un cas particulier de modèle linéaire généralisé. Elle est largement utilisée en apprentissage automatique.
+La régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit de modéliser au mieux un modèle mathématique simple à des observations réelles nombreuses. En d'autres termes d'associer à un '''[[vecteur]]''' de variables aléatoires  une '''[[variable aléatoire]]''' binomiale génériquement notée. La régression logistique constitue un cas particulier de '''[[modèle linéaire généralisé]]'''. Elle est largement utilisée en '''[[apprentissage automatique]]'''.
+Voir aussi '''[[régression logistique binomiale]]'''
 == Français ==

« Régression logistique » : différence entre les versions