# Regresja liniowa i logistyczna

EN: **Linear and logistic regression** · id `linearmodels`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › [Uczenie nadzorowane](https://aiatlasgraph.com/t/supervised.md) › Regresja liniowa i logistyczna

## Description

- PL: Najprostsze modele predykcyjne: ważona suma cech daje liczbę (regresja liniowa) albo prawdopodobieństwo klasy (regresja logistyczna). Na nich zwykle uczy się pojęć straty, spadku gradientu i progu decyzyjnego.
- EN: The simplest predictive models: a weighted sum of features gives a number (linear regression) or a class probability (logistic regression). They are the usual place to learn loss, gradient descent and decision thresholds.

## In one sentence

- PL: To proste modele, które łączą cechy przykładu, żeby przewidzieć liczbę albo szansę przynależności do kategorii.
- EN: These simple models combine an example's features to predict a number or the chance of belonging to a category.

## Problem it solves

- PL: Potrzebujesz prostego punktu odniesienia pokazującego, czy cechy danych wystarczają do przydatnego przewidywania.
- EN: You need a simple baseline showing whether the available features support useful predictions.

## What it does

- PL: Nadaje cechom wyuczone wagi i sumuje ich wkład; tę sumę wykorzystuje bezpośrednio lub przelicza na szansę kategorii.
- EN: It gives features learned weights and adds their contributions, using the sum directly or converting it to a category probability.

## Everyday example

- PL: Model szacuje zużycie ogrzewania, sumując wyuczone wpływy temperatury, powierzchni mieszkania i czasu pracy urządzeń.
- EN: A model estimates heating use by adding learned contributions from temperature, home size and equipment operating time.

## This concerns you if you…

- PL: chcesz zacząć od prostego modelu do porównania
- PL: twoje przewidywanie dotyczy liczby lub wyboru kategorii
- EN: want to start with a simple model for comparison
- EN: need to predict a number or choose a category

## Keywords

ordinary least squares · Ridge · Lasso · ElasticNet · log loss · decision thresholds

## How it works

- PL: Ważona suma cech z wyrazem wolnym daje predykcję regresji lub wejście funkcji logistycznej. Parametry dopasowuje się przez minimalizację odpowiedniej straty, często z karą ograniczającą wielkość współczynników.
- EN: A weighted feature sum plus an intercept gives regression predictions or input to a logistic link. Parameters are fitted by minimising the corresponding loss, often with penalties limiting coefficient magnitude.

## Limits

- PL: Bez dodatkowych cech model nie odtworzy złożonych nieliniowych zależności. Skorelowane wejścia utrudniają interpretację współczynników, a prawdopodobieństwa logistyczne wymagają sprawdzenia kalibracji.
- EN: Without added features, models cannot capture complex nonlinear relationships. Correlated inputs complicate coefficient interpretation, and logistic probabilities require calibration checks.

## Key terms

- PL: **wyraz wolny**: Składnik predykcji niezależny od wartości cech wejściowych.
- PL: **link logistyczny**: Przekształcenie liniowego wyniku w prawdopodobieństwo klasy.
- EN: **intercept**: A prediction component independent of input-feature values.
- EN: **logistic link**: A transformation converting a linear score into a class probability.

## Know first

- [Algebra liniowa: wektory i macierze (Linear algebra: vectors and matrices)](https://aiatlasgraph.com/t/linearalgebra.md)
- [Estymacja parametrów (największa wiarygodność) (Parameter estimation (maximum likelihood, MAP))](https://aiatlasgraph.com/t/mle.md)

## Examples

- PL: MSE · log-loss · próg decyzyjny · Ridge/Lasso
- EN: MSE · log-loss · decision threshold · Ridge/Lasso

## Related topics

Untyped, symmetric "see also" links.

- [Podstawy sieci neuronowych (Neural network fundamentals)](https://aiatlasgraph.com/t/neuralbasics.md)

## Sources

- [scikit-learn User Guide (version 1.9.1)](<https://scikit-learn.org/stable/user_guide.html>) `sklearn-user-guide` · by scikit-learn developers
- [Google — Machine Learning Crash Course](<https://developers.google.com/machine-learning/crash-course>) `google-mlcc` · by Google for Developers

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/linearmodels · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30