Logistische regressie is een methode binnen machine learning die wordt gebruikt om te voorspellen tot welke categorie iets behoort. In plaats van een exacte waarde te berekenen, zoals bij lineaire regressie, geeft logistische regressie een kans dat iets in een bepaalde groep valt.
Dit artikel is onderdeel van de AI Woordenlijst op De Wereld van AI. Daar vind je een overzicht van alle belangrijke AI-begrippen.
Hoe logistische regressie in de praktijk werkt
Logistische regressie kijkt naar inputdata en berekent de kans op een bepaalde uitkomst. Dit gebeurt via een formule die de uitkomst altijd tussen 0 en 1 houdt.
Stap voor stap werkt het zo:
- Eerst leert het model van bestaande data, bijvoorbeeld e-mails die al als spam of niet-spam zijn gelabeld.
- Daarna zoekt het model naar patronen die helpen om deze categorieën te onderscheiden.
- Vervolgens berekent het model bij nieuwe data de kans op een bepaalde uitkomst.
Als de kans boven een bepaalde grens ligt, bijvoorbeeld 0,5, wordt de uitkomst als “ja” gezien, anders als “nee”.
Waar wordt logistische regressie voor gebruikt?
Het wordt vooral gebruikt voor classificatieproblemen. Denk aan het herkennen van spam, het voorspellen of een klant iets gaat kopen of het inschatten van risico’s.
Ook in medische toepassingen wordt het gebruikt, bijvoorbeeld om te voorspellen of iemand een bepaalde aandoening heeft op basis van gegevens.
Het is een eenvoudig en goed uitlegbaar model, waardoor het vaak wordt gebruikt als startpunt in analyses.
Ben je benieuwd hoe complexere modellen werken? Bekijk dan de pagina “Wat zijn neurale netwerken?”.
Verder leren
Wil je AI stap voor stap leren begrijpen? In mijn Gratis Basiscursus AI leg ik de basis uit met duidelijke voorbeelden en zonder technisch jargon. Voor meer uitleg en voorbeelden over AI kun je terecht op mijn YouTube-kanaal De Wereld Van AI.