🔑 名詞卡
邏輯迴歸（Logistic Regression）
🎯 定義
鑑別式AI中最簡單且最基礎的分類模型，用於解決二元分類問題。透過 sigmoid 函數將線性模型輸出映射到 0～1 之間作為預測機率，據此進行分類決策。
原理
- 假設數據與輸出標籤之間存在線性關係，透過最大似然估計（Maximum Likelihood Estimation, MLE）學習最優參數
- 當機率超過預設閾值（如 0.5）時，模型將數據分配至特定類別
應用場景
- 醫療診斷：根據年齡、血壓等指標預測罹病可能性
- 市場行銷：分析顧客行為，預測購買轉換率
- 金融風險評估：根據信用記錄評估貸款違約風險
易混淆
- 名稱雖含「迴歸」，但本質是分類模型，不是連續值預測的迴歸模型——與傳統線性迴歸不同。
- vs SVM：兩者皆為鑑別式分類模型，但 SVM 透過最大化間隔的超平面分類，邏輯迴歸透過機率閾值分類。
📖 課文原文「邏輯迴歸（Logistic Regression）是鑑別式 AI 中最簡單且最基礎的分類模型之一，用於解決二元分類問題……邏輯迴歸透過 sigmoid 函數（也稱為邏輯函數）將線性模型的輸出映射到 0 到 1 之間，作為預測概率，並以此進行分類決策。」