台大資訊 人工智慧導論 | FAI 1.6: Logistic Regression 超實用的邏輯迴歸你真的懂嗎

摘要

由台大陳縕儂教授講解邏輯迴歸，說明其作為「軟性二元分類」的應用，用於預測機率值而非單純分類。內容涵蓋邏輯迴歸的假設函式、交叉熵誤差度量與梯度下降最佳化原理，並強調從簡單線性模型開始解決機器學習問題的重要性。

A lecture by NTU professor Vivian Chen explaining logistic regression as a probabilistic model, covering its formula, error metrics, and optimization via gradient descent.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 邏輯迴歸是用於預測二元結果發生機率的模型。
• 透過交叉熵誤差與梯度下降來最佳化模型參數。
• 建議先嘗試簡單線性模型，再考慮複雜架構。

章節

依話題轉折切分，標題由 AI 產生

1. 00:01邏輯迴歸預測機率而非絕對分類
2. 03:33醫療研究中以機率評估死亡風險
3. 06:51將二元資料對映為 0 到 1 機率
4. 10:13利用交叉熵誤差衡量預測偏差
5. 15:34透過梯度下降最佳化線性權重
6. 20:14建議優先嘗試簡單線性模型

適合誰看

正在學習機器學習基礎或需要理解邏輯迴歸原理的學生與開發者。

摘要依據

講者

陳縕儂

依據

人工字幕

為什麼排在這裡

人氣

0.26

新鮮

0.54

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 台大資訊 人工智慧導論 | FAI 1.5: Linear Regression 國中就學過的線性迴歸你還記得嗎影片 ・ 陳縕儂 Vivian NTU MiuLab ・ 18 分鐘（在新分頁開啟原站）
• 台大資訊 人工智慧導論 | FAI 1.1: Linear Models for Supervised Machine Learning 監督式機器學習之線性模型影片 ・ 陳縕儂 Vivian NTU MiuLab ・ 10 分鐘（在新分頁開啟原站）