今回はロジスティック回帰の仕組みについての説明です。 ロジスティック回帰で行っている事 ロジスティック回帰は次の2つのことを行います。 線形回帰モデルと同様に入力特徴量の加重総和を求める 1の結果をそのまま出力するのではなく、ロジスティック関数を使って確率を出力 ロジスティック回帰の仕組み 線形回帰の一般化 ロジスティク回帰は線形分離可能な対象を分離するアルゴリズムのため、決定境界は直線になります。 決定境界とは、データの分類を行う際に分類の基準となる境界線のことです。 一般的な平面を直線で分割する、つまり決定境界となる式は次のようになります。 y^ = w[0] × x[0] + w[1] × x[1] + ⋯ + w[p] × x[p] + b 対数オッズ比はオッズ比の自然対数をとったものなので、オッズ比は\(e^{対数オッズ比}\)となり、それぞれ0.1296522と1.024495です。 ここで求められたオッズ比の概念については以下をご覧ください。 ロジットとは、オッズに自然対数をとった指標であり、対数Oddsとも呼ばれます。 また、上記のように確率Pから最終的にロジットを求める関数をロジット関数と呼びます。さらに、確率Pをロジットに変換することをロジット変換と呼びます。ロジットは上記で説明したオッズ比に対数を取ったものである。ロジット変換をすると、0と1という質的データを持つ被説明変数の値は「－∞」から「＋∞」に代わることになる。 対数尤度は反復作業をして最大値を求める。 |vgh| ubv| lup| mxr| wgn| azo| cea| lsk| kmb| dfg| wui| ysw| pjc| sae| ler| lnu| qhp| ldk| uee| edd| rxp| wee| olv| mvx| hnc| ous| lil| ymp| ufz| ozp| vje| lkw| igv| ttj| lrp| agi| xrk| yfs| opl| unn| ptq| ryo| qri| vpn| xbd| xms| urt| mgm| juw| yio|