Logistik regressiya nima? Logistik Model

Bog'liq o'zgaruvchining ikkilik ekanligi va buyurtma qilingan logistik regressiya 2 ta sinfga ega bo'lgan logistik regressiya qaram o'zgaruvchini buyurtma qilishni talab qiladi.

Nima uchun tasniflash uchun chiziqli regressiya emas?

Tasniflash muammolarini hal qilish uchun logistik regressiya joriy etilganidek,ikkilik tasniflash yoki ko'p sinfli tasniflash muammosi bo'lsin,lekin nima uchun biz chiziqli regressiyadan foydalana olmaymiz?

1. 
   Chiziqli regressiya uy narxi kabi doimiy o'zgaruvchilarni bashorat qiladi va chiziqli regressiya natijasi salbiy cheksizlikdan ijobiy cheksizlikgacha o'zgarishi mumkin.
   
2. 
   Bashorat qilingan qiymatlar ehtimollik qiymati emas,balki sinflar uchun doimiy qiymat bo'lgani uchun,sinflarni ajratib olishga yordam beradigan to'g'ri chegarani topish juda qiyin bo'ladi.
   
3. 
   Siz arafasida bilan omadli bor va ikkilik sinf muammo uchun to'g'ri Pol tushundim faraz qilaylik, muammo ko'p-sinf bo'lardi, ammo, agar u kerak taxmin bermaydi.
   
4. 
   Multiklass muammosida n sinflar soni bo'lishi mumkin,endi har bir sinf 0-n dan belgilanadi.
   aytaylik, bizda 5 sinf muammosi 0,1,2,3 va 4 bu sinflar ko'tarilmaydi yoki mazmunli tartibga ega bo'lmaydi.Biroq, ular qaram va mustaqil xususiyatlar o'rtasida qandaydir munosabatlarni o'rnatishga majbur bo'lishadi.
   
5. 
   Bundan tashqari,bog'liq o'zgaruvchilar doimiy sonlar sifatida qabul qilinadi va eng yaxshi mos chiziq nuqtalarning o'rtacha qiymatidan o'tib, 0 dan pastga tushishi va 4 dan oshishi mumkin bo'lgan doimiy qiymatga ega bo'ladi.
   

Logistik Model

Yuqorida aytib o'tilgan barcha muammolarni logistik regressiya hal qiladi.
Eng yaxshi mos chiziqni o'rnatish o'rniga logistik regressiya 0 va 1 orasidagi chiziqli funktsiya natijasini qisqartiradi.

Logistik model
formulasida b0+b1X == 0bo'lganda p 0.5,
xuddi shunday,b0+b1x > 0bo'ladi,u holda p 1 va
b0+b1x < 0tomon, u holda p 0 tomon boradi.