Wat is die nut van logistiese regressie?
Wat is die nut van logistiese regressie?

Video: Wat is die nut van logistiese regressie?

Video: Wat is die nut van logistiese regressie?
Video: lineaire regressie: constante term b van de regressierechte 2024, Mei
Anonim

Logistiese regressie is die toepaslike regressie analise om uit te voer wanneer die afhanklike veranderlike digotoom (binêr) is. Logistiese regressie is gebruik word om data te beskryf en om die verband tussen een afhanklike binêre veranderlike en een of meer nominale, ordinale, interval of verhoudingvlak onafhanklike veranderlikes te verduidelik.

Mense vra ook, wanneer moet logistiese regressie gebruik word?

Wanneer om te gebruik Logistiese regressie . Jy behoort dink aan gebruik logistiese regressie wanneer jou Y-veranderlike slegs twee waardes aanneem. So 'n veranderlike word na 'n "binêre" of "digotome" verwys. “Dichotomous” beteken basies twee kategorieë soos ja/nee, gebrekkig/nie-defektief, sukses/mislukking, ensovoorts.

Net so, wat word bedoel met logistiese regressie? Beskrywing. Logistiese regressie is 'n statistiese metode vir die ontleding van 'n datastel waarin daar een of meer onafhanklike veranderlikes is wat 'n uitkoms bepaal. Die uitkoms word gemeet met 'n digotome veranderlike (waarin daar slegs twee moontlike uitkomste is).

Net so word gevra, waar word logistiese regressie gebruik?

Logistiese regressie is gebruik word in verskeie velde, insluitend masjienleer, meeste mediese velde en sosiale wetenskappe. Byvoorbeeld, die Trauma and Injury Severity Score (TRISS), wat wyd is gebruik word om mortaliteit by beseerde pasiënte te voorspel, is oorspronklik ontwikkel deur Boyd et al. gebruik logistiese regressie.

Hoe werk 'n logistiese regressie?

Gaussiese verspreiding: Logistiese regressie is 'n lineêre algoritme (met 'n nie-lineêre transformasie op uitset). Dit doen aanvaar 'n lineêre verband tussen die insetveranderlikes met die uitset. Datatransformasies van jou insetveranderlikes wat hierdie lineêre verwantskap beter blootlê, kan 'n meer akkurate model tot gevolg hê.

Aanbeveel: