Modelagem com Regressão Logística

Explicando a motivação da regressão logística para problemas de classificação. Apresentando a ideia de mapear valores para probabilidades entre 0 e 1. Explicando o funcionamento do modelo, destacando: Função sigmoide, interpretação probabilística e definição de limite de decisão (threshold) Demonstrando como o modelo utiliza essas probabilidades para tomar decisões a partir de um limite de classificação. Implementando um exemplo simples em Python utilizando uma base pequena, como classificação de aprovação com base em nota e frequência, permitindo que os alunos visualizem as previsões realizadas pelo modelo. link do código feito na aula: github.com/praticas-codes/codigos-aulasML/blob/main/regressao-logistica