Middle — Senior
Qual é a diferença entre regressão linear e logística?
sobes.tech IA
Resposta da IA
Regressão linear e logística são métodos de aprendizagem de máquina para resolver tarefas diferentes:
-
Regressão linear é usada para prever valores numéricos contínuos. O modelo constrói uma dependência linear entre as características de entrada e a variável alvo.
-
Regressão logística é aplicada a tarefas de classificação, geralmente binária. Avalia a probabilidade de um objeto pertencer a uma das classes, usando a função logística (sigmoide) para transformar a combinação linear das características em uma probabilidade de 0 a 1.
Exemplo:
- Regressão linear: previsão do preço de uma casa com base na área e no número de quartos.
- Regressão logística: determinar se um email é spam (sim/não).
A principal diferença reside na variável alvo e na função de ativação:
| Característica | Regressão linear | Regressão logística |
|---|---|---|
| Tipo de tarefa | Regressão (número) | Classificação (rótulos de classes) |
| Variável alvo | Contínua | Discreta (geralmente 0 ou 1) |
| Função de ativação | Linear | Logística (sigmoide) |
| Saída do modelo | Qualquer número | Probabilidade (0..1) |