logistic回帰
回帰モデルの一つ
分類 (教師あり学習)に用いる
概要
二値分類の場合
目的変数(二値)となる確率を説明変数で記述する
$ P(Y=1)=\frac{1}{1+e^{f(\pmb{X})}}
$ f:\pmb{X}\mapsto\pmb{\beta}\cdot\pmb{X}+\beta_0
$ eの係数が1だから、双曲線函数で書き換えられそう
$ P()
特徴
logistic曲線を使うのは、目的変数の範囲を有界集合に収めるため
$ [0,1] の間に目的変数が必ず収まるので、確率変数の値に使える
係数の推定
最尤推定法を使う
最小二乗法は使わない
元々連続量に対して用いられる方法
精度検証
parameterの解釈
回帰分析と同じ
符号とt検定を使う
決定係数は使えない
非線形モデルなので
代わりに尤度比を用いる
0.2~0.4程度ならヨシ！
決定係数ほど解釈は簡単ではない
#2021-05-13 16:52:26