Regresja logistyczna w Excelu – bez kodu i bez czarnej magii

Uczenie maszynowe przypomina coś, co wymaga stopnia z informatyki i trzech monitorów z kodem. Tymczasem ktoś właśnie zrobił regresję logistyczną w Excelu.

Nie w jakimś specjalnym narzędziu. W zwykłym Excelu, który masz na komputerze.

Towards Data Science opublikowało dwunasty dzień swojego "Adwentowego kalendarza machine learningu". I pokazali coś, co przypomina herezja dla data scientistów — że można zrozumieć algorytm uczenia maszynowego bez ani linijki Pythona.

Co to w ogóle jest, ta regresja logistyczna

Zanim przejdziemy do Excela, szybkie wyjaśnienie. Regresja logistyczna to sposób, w jaki komputer uczy się odpowiadać na pytania typu "tak lub nie".

Przykłady z życia:

• Czy ten email to spam? (tak/nie)
• Czy klient kupi produkt? (tak/nie)
• Czy pacjent jest chory? (tak/nie)

Algorytm patrzy na dane historyczne — setki przykładów z przeszłości — i szuka wzorców. Potem, gdy dostanie nowy przypadek, potrafi powiedzieć: "To prawdopodobnie spam" albo "Ten klient raczej nie kupi".

Problem? Większość kursów pokazuje to przez kod. Importujesz bibliotekę, wrzucasz dane, dostajesz wynik. Działa. Rozumiesz co się stało? Niekoniecznie.

Dlaczego Excel wszystko zmienia

Autor artykułu poszedł inną drogą. Zamiast ukryć matematykę za funkcją z biblioteki, rozłożył ją na czynniki pierwsze.

W komórkach.

Widzisz każdy krok:

• Jak algorytm oblicza prawdopodobieństwo
• Jak porównuje swoją predykcję z rzeczywistością
• Jak poprawia się po każdym błędzie

To trochę jak różnica między kupnem gotowego sosu a zrobieniem go od zera. Pierwszy sposób jest szybszy. Drugi pokazuje, co właściwie jesz.

I nagle "uczenie maszynowe" przestaje być czarną skrzynką. To po prostu matematyka, którą Excel potrafi przeliczyć.

Dla kogo to ma sens

Jeśli jesteś programistą, pewnie pomyślisz: "Po co? Python robi to w trzech linijkach".

Racja.

Ale nie każdy jest programistą.

Ten artykuł to złoto dla:

• Analityków biznesowych, którzy żyją w Excelu
• Przedsiębiorców, którzy chcą zrozumieć, co tak naprawdę robi ich data scientist
• Studentów, którzy uczą się ML i gubią się w abstrakcji
• Każdego, kto chce ZOBACZYĆ, jak działa algorytm, zamiast tylko przeczytać definicję

Bo jedna rzecz to wiedzieć, że "regresja logistyczna minimalizuje funkcję straty". Inna — zobaczyć, jak ta funkcja maleje w kolumnie G, wiersz po wierszu.

Co to oznacza dla AI w 2025

Paradoks sztucznej inteligencji w tym roku wygląda tak: modele są coraz potężniejsze, a coraz mniej osób rozumie, jak działają.

GPT-4o, Claude, Gemini 2.0 — to systemy o miliardach parametrów. Nikt nie wie dokładnie, dlaczego dają konkretną odpowiedź. Nawet ich twórcy.

Dlatego artykuły jak ten są ważne. Pokazują, że fundamenty AI nie są magią. Że można je zrozumieć. Że nie musisz być inżynierem, żeby pojąć logikę.

Regresja logistyczna to jeden z najprostszych algorytmów uczenia maszynowego. Zasady, które nim rządzą — dane treningowe, funkcja straty, optymalizacja — to te same zasady, które działają w ChatGPT.

Tylko w większej skali.

Jak to wygląda w praktyce

Załóżmy, że prowadzisz firmę e-commerce. Chcesz przewidzieć, którzy klienci wrócą po zakupach.

Masz dane: wiek, liczba wcześniejszych zamówień, średnia wartość koszyka, czy zapisali się do newslettera. I informację, kto rzeczywiście wrócił.

Zamiast czekać na data scientista (albo płacić za narzędzie), możesz zbudować prosty model predykcyjny w Excelu. Krok po kroku, według instrukcji z artykułu.

Nie będzie tak precyzyjny jak rozwiązanie w Pythonie z tysiącem parametrów. Ale da ci coś cenniejszego — zrozumienie.

Zobaczysz, które zmienne mają największy wpływ. Zrozumiesz, dlaczego model popełnia błędy. I będziesz wiedział, jakie dane musisz zbierać, żeby model był lepszy.

Adwentowy kalendarz jako sposób na edukację

Towards Data Science nie publikuje tego artykułu w próżni. To dwunasty dzień ich "Machine Learning Advent Calendar" — cyklu, w którym każdego dnia grudnia pokazują inny algorytm.

Format jest prosty: jeden algorytm, jedno narzędzie, jedno wyjaśnienie.

Strategia? Genialnie prosta. Zamiast jednego wielkiego kursu, który przeraża objętością, dostajesz 25 małych lekcji. Każda do strawienia w 10-15 minut.

I nagle uczenie maszynowe nie jest tym strasznym tematem na "kiedyś". To coś, co możesz zrozumieć dziś. W czasie przerwy na kawę.

Co z tego zostaje

Za tydzień prawdopodobnie nie będziesz robił regresji logistycznej w Excelu.

Ale zrozumiesz coś ważniejszego.

Że AI to nie magia. Że algorytmy to narzędzia, które można zrozumieć. Że nie musisz być programistą, żeby wiedzieć, co dzieje się pod maską.

I że czasem najlepszy sposób na naukę to nie najnowszy framework, ale stary dobry arkusz kalkulacyjny.

Źródła

• Towards Data Science - The Machine Learning Advent Calendar Day 12: Logistic Regression in Excel