LOGISTIC REGRESSION in Ukrainian translation

separate regression models(logistic regression, probit regression, etc.).

окремими регресійними моделями(логістична регресія, пробіт-регресія тощо).

Using logistic regression to analyze the data,

Використовуючи логістичну регресію для аналізу даних,

its output can be used as the input to a supervised learning algorithm such as support vector machine classifier or a multi-class logistic regression.

його вихід може бути використано як вхід до алгоритму керованого навчання, такого як класифікатор методом опорних векторів або багатокласова логістична регресія.

According to the logistic regression analysis, the limiting(largest)

За даними логістичного регресійного аналізу, граничний(найбільший)

which models the conditional distribution of the states using logistic regression(also known as a"maximum entropy model").

моделює умовний розподіл станів за допомогою логістичної регресії(відома також як«модель максимальної ентропії»).

The special case of linear support-vector machines can be solved more efficiently by the same kind of algorithms used to optimize its close cousin, logistic regression; this class of algorithms includes sub-gradient descent(e.g., PEGASOS) and coordinate descent(e.g., LIBLINEAR).

Окремий випадок лінійних опорно-векторних машин може розв'язуватися ефективніше алгоритмами того ж роду, що й використовуються для оптимізації їхнього близького родича, логістичної регресії; цей клас алгоритмів включає субградієнтний спуск(наприклад, PEGASOS) та координатний спуск(наприклад, LIBLINEAR).

machine learning model- for example, logistic regression- that predicts the human classification based on the features of the image.

машинну модель навчання, наприклад, логістичну регресію, яка передбачає класифікацію людини на основі функцій зображення.

are based on a logistic regression analysis of the survey data.

базуються на логістичному регресійному аналізі даних опитування.

Techniques such as logistic regression and probit regression can be used for empirical analysis of discrete choice.

Такі методи, як логістична регресія, пробіт регресії можуть бути використані для емпіричного аналізу дискретного вибору.

Bill Cooper proposed logistic regression for the same purpose in 1992[3]

Білл Купер запропонував логістичну регресію для тієї ж мети в 1992 році[3]

Machine Learning I- linear and logistic regressions.

Machine Learning I- лінійні та логістичні регресії.

This will be examined through logistic regression.

З цією метою розглядається логістична регресія.

The use of logistic regression for classification tasks.

Логістична регресія для вирішення задачі класифікації.

Although named logistic regression, it is actually a classification algorithm.

Незважаючи на свою назву, логістична регресія це по суті алгоритм класифікації.

Models of binary logistic regression were made to determine the prognosis of treatment results.

Для визначення прогнозу результатів лікування будували модель бінарної логістичної регресії.

The model, built on the method of logistic regression, showed a more accurate result on a test sample of data than Naive Bayes classifier(97% vs. 89%).

Модель, побудована на методі логістичної регресії показала більш точний результат на тестовій вибірці даних, ніж наївний байесовский класифікатор(97% проти 89%).

The object of this logistic regression analysis of various independent variables is to obtain a biologically reasonable answer to describe the binary(two) characteristics in question:

Метою цього логістичного регресійного аналізу широкого кола незалежних змінних є отримання біологічно обґрунтованої відповіді для опису розглянутих двійкових(двох)

The reality is, the work in the mechanisms from the identical deep mastering is much nearer towards technique of developing the statistical design of logistic regression than towards the function of actual neurons.

Насправді ж робота механізмів того ж глибинного навчання набагато ближче до процедури побудови статистичної моделі логістичної регресії, ніж до роботи цих нейронів.

The fact is, the operate with the mechanisms for the similar deep mastering is much nearer with the method of constructing the statistical model of logistic regression than to the function of actual neurons.

indexes based on the results of the questionnaire, independent QL predictors in CHF patients were singled out by means of multiple logistic regression.

до величин індексу ЯЖ, обчисленого за даними анкетування, за допомогою множинної логістичної регресії виділено незалежні предиктори ЯЖ пацієнтів з ХСН.