Логистическая регрессия

Логистическая регрессия — это алгоритм машинного обучения, который предсказывает вероятность того, что объект относится к одному из двух классов. В отличие от обычной регрессии, где результат — число, здесь ответ всегда лежит в диапазоне от 0 до 1 и интерпретируется как вероятность наступления события: покупка, отток, болезнь, отказ.

Она ценна тем, что сочетает простоту и объяснимость. Модель показывает, как каждый фактор влияет на шансы, что критично в медицине, банковском деле и страховании, где нужно понимать риски. Кроме того, логистическая регрессия служит стандартным «базовым уровнем»: если более сложная модель не превосходит её, то её и не стоит применять.

Как это работает? Алгоритм берёт набор признаков и умножает каждый на свой вес, складывает результаты и пропускает сумму через специальную S-образную кривую — сигмоиду. Из-за этого даже очень большое или малое значение превращается в вероятность, близкую к 0 или 1, а не выходит за пределы. Если итоговая вероятность больше 0,5, объект относят к «положительному» классу, иначе — к отрицательному.

Представьте банк, который решает, дать ли человеку кредит. Известны возраст, доход, количество просрочек. Алгоритм взвешивает эти данные и получает вероятность 0,85. Значит, клиент скорее всего вернёт долг — кредит можно одобрить. А при вероятности 0,2 лучше отказать или повысить ставку.

Логистическая регрессия — простой, понятный и мощный инструмент классификации. Она даёт прозрачные решения и лежит в основе многих более сложных методов, поэтому её обязательно стоит знать каждому, кто работает с данными.