Kuo naudinga logistinė regresija?
Kuo naudinga logistinė regresija?

Video: Kuo naudinga logistinė regresija?

Video: Kuo naudinga logistinė regresija?
Video: StatQuest: Logistic Regression 2024, Lapkritis
Anonim

Logistinė regresija yra tinkamas regresija analizę atlikti, kai priklausomas kintamasis yra dvilypis (dvejetainis). Logistinė regresija yra naudojamas apibūdinti duomenis ir paaiškinti ryšį tarp vieno priklausomo dvejetainio kintamojo ir vieno ar daugiau vardinių, eilinių, intervalų ar santykio lygio nepriklausomų kintamųjų.

Žmonės taip pat klausia, kada reikėtų naudoti logistinę regresiją?

Kada naudoti Logistinė regresija . Tu turėtų pagalvokite apie naudojimą logistinė regresija kai jūsų Y kintamasis įgauna tik dvi reikšmes. Toks kintamasis vadinamas „dvejetainiu“arba „dichotominiu“. „Dichotomiškas“iš esmės reiškia dvi kategorijas, tokias kaip taip/ne, sugedęs/netrūkęs, sėkmė/nesėkmė ir pan.

Panašiai, ką reiškia logistinė regresija? Apibūdinimas. Logistinė regresija yra statistinis duomenų rinkinio, kuriame yra vienas ar daugiau nepriklausomų kintamųjų, lemiančių rezultatą, analizės metodas. Rezultatas matuojamas dichotominiu kintamuoju (kuriame galimi tik du rezultatai).

Panašiai klausiama, kur naudojama logistinė regresija?

Logistinė regresija yra naudojamas įvairiose srityse, įskaitant mašininį mokymąsi, daugumą medicinos sričių ir socialinius mokslus. Pavyzdžiui, traumų ir sužalojimų sunkumo balas (TRISS), kuris yra plačiai paplitęs naudojamas Numatyti sužeistų pacientų mirtingumą, iš pradžių sukūrė Boyd ir kt. naudojant logistinė regresija.

Kaip veikia logistinė regresija?

Gauso pasiskirstymas: Logistinė regresija yra tiesinis algoritmas (su netiesine transformacija išvestyje). Tai daro prisiima tiesinį ryšį tarp įvesties kintamųjų ir išvesties. Įvesties kintamųjų duomenų transformacijos, kurios geriau atskleidžia šį tiesinį ryšį, gali lemti tikslesnį modelį.

Rekomenduojamas: