logistic

Logistic Regression (Classification) – #8

Logistic Regression

Lojistik regresyon, yalnızca iki değere sahip olabilen bir sonucun olasılığını öngörür (yani, ikiye bölünebilir). Tahmin, bir veya birkaç öngörücünün (sayısal ve kategorik) kullanımına dayanır. Doğrusal regresyon evet/hayır, var/yok gibi binary(ikili) sistemde ifade edilebilecek değerler için uygun değildir. Çünkü,0 ve 1 aralığının dışında değer tahmin edebilir.

Lojistik regresyon, 0 ile 1 arasındaki değerlerle sınırlı lojistik eğrisi üretir. Lojistik regresyon lineer bir regresyona benzer, ancak eğri olasılık yerine hedef değişkenin olasılıkları’ nın doğal logaritması kullanılarak oluşturulur.

Logistik regresyonda odds ve odds ratio kavramları vardır. Örneğin; bir torbada 2 mavi, 3 kırmızı, 5tane sarı top olsun.Mavi gelme olasılığı 2/10 iken gelmeme olaslığı 8/10 dur. (2/10) / (8/10) olasılık oranıdır.

Linear Regression : y = b0 + b1X

logit (p) = log( p/ (1-p))

Lojistik regresyonda b0, eğimi sağa ve sola hareket ettirirken, b1 eğrinin eğimini tanımlar. Lojistik regresyon denklemi sonuç olarak   olasılık oranı (logit(p)) ile yazılabilir.

 

Kaynaklar:

1- http://www.saedsayad.com/logistic_regression.htm

2- Python Machine Learning:Sebastian Raschka ,Ch.2, p.51

0 Paylaşımlar
Logistic Regression (Classification) - #8
Logistic Regression (Classification) - #8
Lojistik regresyon, yalnızca iki değere sahip olabilen bir sonucun olasılığını öngörür (yani, ikiye bölünebilir). Tahmin, bir veya birkaç öngörücünün (sayısal ve kategorik) kullanımına dayanır.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir