Materi
Walau namanya regresi, LogisticRegression adalah classifier. User Guide scikit-learn menempatkannya di bab model linear: model menghitung jumlah berbobot fitur, lalu mengubahnya menjadi peluang antara 0 dan 1. predict_proba mengembalikan peluang tiap kelas, satu kolom per kelas sesuai urutan model.classes_; predict memilih kelas dengan peluang terbesar.
DecisionTreeClassifier belajar serangkaian pertanyaan ya/tidak, misalnya "apakah keluhan > 2?", yang membagi data sampai setiap daun berisi satu kelas dominan. Pohon mudah dijelaskan ke orang lain, tetapi tanpa batas ia terus bercabang sampai menghafal data latih. max_depth membatasi banyak tingkat pertanyaan, dan random_state membuat pilihan cabang yang setara selalu sama.
from sklearn.linear_model import LogisticRegression
# lama pemakaian (bulan) -> baterai rusak (1) atau tidak (0)
bulan = [[2], [5], [8], [11], [14], [17]]
rusak = [0, 0, 0, 1, 1, 1]
log = LogisticRegression().fit(bulan, rusak)
print(log.classes_) # [0 1]
print(log.predict_proba([[10]])[0]) # [peluang 0, peluang 1]