Mitä hyötyä logistisesta regressiosta on?
Mitä hyötyä logistisesta regressiosta on?

Video: Mitä hyötyä logistisesta regressiosta on?

Video: Mitä hyötyä logistisesta regressiosta on?
Video: 43. Koneoppiminen: Logistinen Regressio - teoria 2024, Saattaa
Anonim

Logistinen regressio on sopiva regressio Suoritettava analyysi, kun riippuva muuttuja on dikotominen (binäärinen). Logistinen regressio On käytetty kuvaamaan dataa ja selittämään yhden riippuvan binäärimuuttujan ja yhden tai useamman nimellis-, järjestys-, intervalli- tai suhdetason riippumattoman muuttujan välistä suhdetta.

Ihmiset myös kysyvät, milloin logistista regressiota tulisi käyttää?

Milloin käyttää Logistinen regressio . Sinä pitäisi harkitse käyttöä logistinen regressio kun Y-muuttujasi saa vain kaksi arvoa. Tällaista muuttujaa kutsutaan "binääriksi" tai "dikotomisiksi". "Dikotominen" tarkoittaa periaatteessa kahta luokkaa, kuten kyllä/ei, viallinen/ei viallinen, onnistunut/epäonnistunut ja niin edelleen.

Samoin mitä logistisella regressiolla tarkoitetaan? Kuvaus. Logistinen regressio on tilastollinen menetelmä sellaisen tietojoukon analysoimiseksi, jossa on yksi tai useampi riippumaton muuttuja, joka määrittää tuloksen. Tulos mitataan dikotomisella muuttujalla (jossa on vain kaksi mahdollista tulosta).

Vastaavasti kysytään, missä logistista regressiota käytetään?

Logistinen regressio On käytetty eri aloilla, mukaan lukien koneoppiminen, useimmat lääketieteen alat ja yhteiskuntatieteet. Esimerkiksi Trauma and Injury Severity Score (TRISS), joka on laajalti käytetty vammautuneiden potilaiden kuolleisuuden ennustamiseksi, kehittivät alun perin Boyd et al. käyttämällä logistinen regressio.

Miten logistinen regressio toimii?

Gaussin jakauma: Logistinen regressio on lineaarinen algoritmi (epälineaarinen muunnos lähdössä). Se tekee oletetaan lineaarinen suhde tulomuuttujien ja lähdön välillä. Syöttömuuttujien tietomuunnokset, jotka paljastavat paremmin tämän lineaarisen suhteen, voivat johtaa tarkempaan malliin.

Suositeltava: