Informatik KI – Logistische Regression
Die Logistische Regression ist das Fundament binärer Klassifikation in Machine Learning. Nach dem Lernen dieser Karten verstehst du die Sigmoid-Funktion, interpretierst Koeffizienten als Odds Ratios und wendest Regularisierung gegen Overfitting an. Du kannst Modelle in Python trainieren und Evaluationsmetriken wie AUC-ROC richtig lesen.
Lernziele
Was du in dieser Lektion lernst
- Was modelliert die Logistische Regression?
- Wie lautet die Sigmoid-Funktion mathematisch?
- Was ist der Logit (Log-Odds) in der Logistischen Regression?
- Wie werden die Parameter (Gewichte) geschätzt?
Lerntipp
Zeichne die Sigmoid-Kurve und markiere, wie sich die Entscheidungsgrenze bei verschiedenen Schwellenwerten verschiebt – so verbindest du geometrische Intuition mit der mathematischen Formel.
Hinweis: Der Inhalt dieser Seite wurde mit einem KI-Modell erzeugt und nicht von Fachmenschen geprüft. Nutze die Karten als Lernhilfe und gleiche medizinische oder rechtliche Aussagen mit deinen Unterlagen ab.
Karteikarten
Alle 14 Lernkarten
Tippe auf eine Karte, um die Antwort aufzudecken
Häufige Fragen
Die wichtigsten Fragen zu Informatik KI – Logistische Regression
- Was modelliert die Logistische Regression?
- Die Wahrscheinlichkeit einer binären Zielvariablen (Klasse 1) gegeben die Eingangsvariablen, mittels Sigmoid-Funktion auf Werte zwischen 0 und 1 abgebildet.
- Wie lautet die Sigmoid-Funktion mathematisch?
- σ(z) = 1 / (1 + e^(-z)), wobei z die Linearkombination der Features mit Gewichten plus Bias ist.
- Was ist der Logit (Log-Odds) in der Logistischen Regression?
- Der Logarithmus des Odds Ratio: log(p/(1-p)) = β₀ + β₁x₁ + ... + βₙxₙ, also die Linearkombination vor der Sigmoid-Transformation.
- Wie werden die Parameter (Gewichte) geschätzt?
- Durch Maximum-Likelihood-Schätzung: Maximierung der Likelihood-Funktion (oder Minimierung der negativen Log-Likelihood / Cross-Entropy Loss) über alle Trainingsdaten.
- Wie interpretiert man einen Koeffizienten βᵢ als Odds Ratio?
- e^βᵢ gibt den Faktor an, um den sich die Odds für Klasse 1 ändern, wenn Feature xᵢ um 1 Einheit steigt (alle anderen Features konstant).
Warum Atrio?
- FSRS-5 Spaced Repetition
- Der Algorithmus plant jede Wiederholung anhand deiner eigenen Lernhistorie und stellt Karten kurz bevor du sie vergisst – das reduziert unnötige Wiederholungen.
- KI-Import
- Notizen, Skripte und PDFs in Sekunden in Lernkarten verwandeln – genau wie diese Seite automatisch entsteht.
- Prüfungsplanung
- Termine hinterlegen und Atrio berechnet rückwärts, wie viele Karten du pro Tag lernen musst – ohne Stress.
Interaktiv lernen
Diese 14 Karten jetzt interaktiv in der Atrio-App lernen
Atrio zeigt dir jede Karte dann, wenn du sie fast vergessen hättest – damit bleibt genau das hängen, was du lernst.
Starter-Plan kostenlos – keine Kreditkarte erforderlich.