Что такое логистическая регрессия в интеллектуальном анализе данных?
Что такое логистическая регрессия в интеллектуальном анализе данных?

Видео: Что такое логистическая регрессия в интеллектуальном анализе данных?

Видео: Что такое логистическая регрессия в интеллектуальном анализе данных?
Видео: Логистическая регрессия 2024, Май
Anonim

Логистическая регрессия это метод статистического анализа, используемый для прогнозирования данные значение, основанное на предыдущих наблюдениях за данные установленный. А модель логистической регрессии предсказывает иждивенец данные переменная путем анализа взаимосвязи между одной или несколькими существующими независимыми переменными.

Соответственно, что понимается под логистической регрессией?

Описание. Логистическая регрессия - это статистический метод анализа набора данных, в котором есть одна или несколько независимых переменных, определяющих результат. Результат измеряется дихотомической переменной (в которой есть только два возможных результата).

Точно так же, каковы практические применения логистической регрессии, подробно объясните один пример? Логистическая регрессия это статистический метод прогнозирования бинарных классов. Переменная результата или целевая переменная имеет двоичную природу. Для пример , его можно использовать для обнаружения рака. Он вычисляет вероятность ан наступление события.

Итак, для чего нужна логистическая регрессия?

Логистическая регрессия подходящий регресс анализ проводить, когда зависимая переменная является дихотомической (бинарной). Логистическая регрессия используется для описания данных и объяснения взаимосвязи между одной зависимой двоичной переменной и одной или несколькими номинальными, порядковыми, интервальными или пропорциональными независимыми переменными.

Когда следует использовать логистическую регрессию для анализа данных?

Логистическая регрессия является использовал когда зависимая переменная (цель) категориальна. Например, чтобы предсказать, является ли электронное письмо спамом (1) или (0) Является ли опухоль злокачественной (1) или нет (0)

Рекомендуемые: