Technology

Aprendizado De Máquina Supervisionado Utilizando Regressão Logística Programado Em Python

By Vitor Amadeu Souza

Listen with Sir Michael Caine™ and 1,000+ voices

Try for $0.00 Get for $7

Length1h 24m

About this audiobook

Este livro visa introduzir e explorar o conceito de Classificação utilizando o algoritmo de Regressão Logística, aplicado a um cenário prático usando Python. O foco está em ensinar como utilizar essa técnica de aprendizado supervisionado para resolver problemas de classificação. Em particular, abordamos um exemplo prático de classificação de flores utilizando o famoso conjunto de dados Iris, demonstrando como a Regressão Logística pode ser usada para prever espécies de plantas com base em suas características morfológicas.

Artificial Intelligence

Audiobook details

GenreTechnology

Length1 hr 24 mins

Narrated byListen with 1,000+ voices

FormateBook with Audio

Publish dateSep 17, 2024

LanguagePortuguese

1Vitor Amadeu Souza

2Cerne Tecnologia

3Capítulo II – Programação em Python

4Capítulo VI – Regressão Logística

5Capítulo I Metodologia de desenvolvimento

Mostrar todos os capítulos

6Acima temos um exemplo de exponenciação, onde o valor 2

7constantes. Acompanhe um exemplo.

8posteriormente.

9relacionais:

10uma string.

11teste não seja verdadeiro, o segundo comando será executado, neste

12Sempre que precisarmos repetir um bloco de comandos

13comando.

14seja, o conteúdo da variável x seja maior que 20.

15print(x)

16Função count()

17diferença, união, interseção e diferença simétrica.

18deste script para o Python, digitando:

19seguintes funções:

20>>> cos(pi)

21A seguir exemplos com números complexos.

22conforme ilustra o próximo exemplo.

23exemplo:

24O operador de formatação %s, %d e %f permitem que seja

251 x

26x.append(aux) y.append(1/(1+pow(e,-aux))) aux=aux+0.1 matplotlib.pyplot.plot(x,y) matplotlib.pyplot.xlabel('x') matplotlib.pyplot.ylabel('y') matplotlib.pyplot.show()

27Capítulo VI

28O funcionamento da Regressão Logística baseia-se na

29Em seguida, os dados são divididos em conjuntos de treinamento e

30classificador de Regressão Logística é inicializado através da classe

31teste usando o método predict(), gerando uma lista de previsões que

32problema clássico de classificação em aprendizado de máquina.

33Regressão Logística é inicializado através da classe LogisticRegression().