Кейс 5. Предсказание клика по письму – логистическая регрессия как “мягкий перцептрон”

Если вместо ступенчатой функции использовать sigmoid:

\hat{y} = \sigma(w^T x)

мы получаем вероятность.

На RubixML:

use Rubix\ML\Classifiers\LogisticRegression;

$model = new LogisticRegression();
$model->train($dataset);

$proba = $model->proba([[4, 6]]);

Почему это важно для главы

Этот кейс показывает:

• перцептрон – жесткий порог

• логистическая регрессия – вероятностная версия

• MLP – нелинейное расширение

То есть вся эволюция моделей на одной странице.