Machine Learning avec Scikit-Learn

4.6 Régression logistique

137

© Dunod – Toute reproduction non autorisée est un délit.

Une fois que le modèle de régression logistique a estimé la probabilité

= (x)

p

ˆ

h

θ

= (x)

p

ˆ

qu’une observation x appartienne à la classe positive, il peut alors faire aisément sa

prédiction ŷ:

Équation 4.15 – Prédiction du modèle de régression logistique

Remarquez que

σ

(t) < 0,5 lorsque t < 0, et

σ

(t) ≥ 0,5 lorsque t ≥ 0, c’est pourquoi

un modèle de régression logistique prédit 1 si x

T

θ est positif, ou 0 s’il est négatif.

Le score t est souvent appelé logit : ceci parce que la fonction logit, définie par

logit(p) = log(p / (1 – p)), est l’inverse de la fonction ...