Regressão Logística
Diferentemente da Regressão Linear, a Regressão Logística é usada para problemas de classificação, onde o objetivo é prever a probabilidade de uma instância pertencer a uma categoria específica. Por exemplo, prever se um e-mail é spam ou não.
Na Regressão Logística, em vez de prever um valor contínuo, prevê-se a probabilidade de uma instância pertencer a uma classe.
A saída do modelo é uma probabilidade que varia de 0 a 1. Se a probabilidade é maior que 0,5, a instância é classificada como pertencente à classe; caso contrário, não pertence.
Um exemplo prático de Regressão Logística seria prever se um cliente comprará um produto com base em características como idade, renda e histórico de compras. A Regressão Logística analisará esses fatores e atribuirá uma probabilidade de o cliente fazer a compra.
Em ambos os casos, a Regressão Linear e a Regressão Logística, os modelos são treinados com dados históricos para aprender a relação entre as variáveis independentes e a variável dependente. Após o treinamento, os modelos podem ser usados para fazer previsões sobre novos dados.