Questions marquées «logistic»

Désigne généralement les procédures statistiques qui utilisent la fonction logistique, le plus souvent diverses formes de régression logistique

1
Biais variable omis dans la régression logistique vs biais variable omis dans la régression des moindres carrés ordinaires
J'ai une question sur le biais variable omis dans la régression logistique et linéaire. Supposons que j'omet certaines variables d'un modèle de régression linéaire. Imaginez que ces variables omises ne sont pas corrélées avec les variables que j'ai incluses dans mon modèle. Ces variables omises ne biaisent pas les coefficients …
2
Pourquoi utiliser la mise à l'échelle de Platt?
Afin d'étalonner un niveau de confiance à une probabilité dans un apprentissage supervisé (par exemple, pour mapper la confiance d'un SVM ou d'un arbre de décision à l'aide de données suréchantillonnées), une méthode consiste à utiliser la mise à l'échelle de Platt (par exemple, obtenir des probabilités calibrées à partir …
2
Comment exécuter une analyse de régression logistique ordinale dans R avec des valeurs numériques / catégorielles?
Données de base : j'ai environ 1 000 personnes marquées par des évaluations: «1», [bon] «2», [moyen] ou «3» [mauvais] - ce sont les valeurs que j'essaie de prédire pour les personnes à l'avenir . En plus de cela, j'ai quelques informations démographiques: sexe (catégorique: H / F), âge (numérique: …
3
Régression logistique ou test T?
Un groupe de personnes répond à une question. La réponse peut être "oui" ou "non". Le chercheur souhaite savoir si l'âge est associé au type de réponse. L'association a été évaluée en effectuant une régression logistique où l'âge est la variable explicative et le type de réponse (oui, non) est …
2
Que se passe-t-il ici, lorsque j'utilise la perte au carré dans le cadre de la régression logistique?
J'essaie d'utiliser la perte au carré pour effectuer une classification binaire sur un ensemble de données de jouets. J'utilise mtcarsun ensemble de données, utilise le mile par gallon et le poids pour prédire le type de transmission. Le graphique ci-dessous montre les deux types de données de type de transmission …
1
Pearson VS Deviance Residuals dans la régression logistique
Je sais que les résidus Pearson standardisés sont obtenus de manière probabiliste traditionnelle: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} et les résidus de déviance sont obtenus de manière plus statistique (la contribution de chaque point à la vraisemblance): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} où = 1 …
3
Différences entre la régression logistique et les perceptrons
Si je comprends bien, un réseau de neurones artificiels perceptron / monocouche avec une fonction d'activation sigmoïde logistique est le même modèle que la régression logistique. Les deux modèles sont donnés par l'équation: F( x ) = 11 - e- βXF(X)=11-e-βXF(x) = \frac{1}{1-e^{-\beta X}} L'algorithme d'apprentissage du perceptron est en …
3
Quelle est la relation entre la distribution bêta et le modèle de régression logistique?
Ma question est: quelle est la relation mathématique entre la distribution bêta et les coefficients du modèle de régression logistique ? Pour illustrer: la fonction logistique (sigmoïde) est donnée par f(x)=11+exp(−x)f(x)=11+exp⁡(−x)f(x) = \frac{1}{1+\exp(-x)} et il est utilisé pour modéliser les probabilités dans le modèle de régression logistique. Soit un résultat …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.