Вопросы с тегом «logistic»

Меня очень смущает то, как вес работает в glm с family = "binomial". В моем понимании вероятность появления glm с family = "binomial" определяется следующим образом: где - «доля наблюдаемого успеха», а n - известное количество испытаний.е( у) = ( пп у) рп у( 1 - р )n ( 1 …

14 r  logistic  generalized-linear-model  binomial  weighted-regression 

Это вопрос, касающийся практики или метода, которым следуют некоторые из моих коллег. При создании модели логистической регрессии я видел, как люди заменяли категориальные переменные (или непрерывные переменные, которые сгруппированы) на соответствующий вес доказательств (WoE). Предположительно это делается для установления монотонной связи между регрессором и зависимой переменной. Теперь, насколько я понимаю, …

14 regression  logistic  categorical-data  modeling 

Я применил логистическую регрессию к своим данным в SAS, и вот кривая ROC и таблица классификации. Я доволен цифрами в таблице классификации, но не совсем уверен, что показывают кривая Рока и область под ней. Любое объяснение будет с благодарностью.

14 regression  logistic  classification  roc 

Предположим, у нас есть следующая модель логистической регрессии: логит ( р ) = β0+ β1Икс1+ β2Икс2logit(p)=β0+β1x1+β2x2\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2} Является ли вероятностью события, когда и ? Другими словами, это вероятность события, когда и находятся на самых низких уровнях (даже если это не 0)? Например, если и принимают только значения …

14 logistic  interpretation  intercept 

Я пытаюсь понять концепцию чрезмерной дисперсии в логистической регрессии. Я читал, что избыточная дисперсия - это когда наблюдаемая дисперсия переменной отклика больше, чем можно было бы ожидать от биномиального распределения. Но если биномиальная переменная может иметь только два значения (1/0), как она может иметь среднее значение и дисперсию? Я в …

14 logistic  variance  binomial  mean  overdispersion 

Учитывая набор данных с двоичными результатами и некоторой матрицей предикторов , стандартная модель логистической регрессии оценивает коэффициенты \ beta_ {MLE } которые максимизируют биномиальную вероятность. Когда X - полный ранг, \ beta_ {MLE} уникален; когда нет идеального разделения, оно конечно.y∈{0,1}ny∈{0,1}ny\in\{0,1\}^nX∈Rn×pX∈Rn×pX\in\mathbb{R}^{n\times p}βMLEβMLE\beta_{MLE}XXXβMLEβMLE\beta_{MLE} Эта модель максимального правдоподобия также максимизирует ROC AUC (он …

13 logistic  maximum-likelihood  auc 

Обычно в логистической регрессии мы подбираем модель и получаем некоторые прогнозы на тренировочном наборе. Затем мы проводим перекрестную проверку этих прогнозов обучения (что-то вроде этого ) и определяем оптимальное пороговое значение на основе чего-то вроде кривой ROC. Почему бы нам не включить перекрестную проверку порогового значения в реальную модель и …

13 logistic  cross-validation  optimization  roc  threshold 

Прогнозируемые классы из (двоичной) логистической регрессии определяются с использованием порога вероятностей членства в классе, генерируемых моделью. Насколько я понимаю, обычно используется 0.5 по умолчанию. Но изменение порога изменит предсказанные классификации. Означает ли это, что порог является гиперпараметром? Если это так, то почему (например) невозможно легко выполнить поиск по сетке пороговых …

13 machine-learning  logistic  scikit-learn  hyperparameter 

В последнее время мне пришлось читать несколько статей по экономике (область, с которой я не слишком знаком). Одна вещь, которую я заметил, это то, что даже когда переменная отклика является двоичной, модели линейной регрессии, использующие OLS, повсеместны. Поэтому мой вопрос: Почему линейная регрессия предпочтительнее, например, логистической регрессии в области экономики? …

13 regression  logistic  econometrics 

Насколько я знаю, разница между логистической моделью и моделью дробного отклика (frm) заключается в том, что зависимая переменная (Y), в которой frm равна [0,1], но логистика - {0, 1}. Кроме того, frm использует оценку квази-правдоподобия для определения своих параметров. Обычно мы можем использовать glmдля получения логистических моделей glm(y ~ x1+x2, …

13 r  logistic  generalized-linear-model  quasi-likelihood 

Я работаю над логистической моделью, и у меня возникают трудности с оценкой результатов. Моя модель - биномиальный логит. Мои объяснительные переменные: категориальная переменная с 15 уровнями, дихотомическая переменная и 2 непрерывные переменные. Мой N большой> 8000. Я пытаюсь смоделировать решение фирм инвестировать. Зависимая переменная - это инвестиции (да / нет), …

13 r  logistic  goodness-of-fit  roc 

Я использую модель логистической регрессии в форме: lmer(response~1+(1|site), family=binomial, REML = FALSE) Обычно я рассчитываю ICC на основе перехвата и остаточных отклонений, но сводка модели не включает остаточное отклонение. Как мне рассчитать это?

13 logistic  lme4-nlme  glmm 

Мои прогнозы, основанные на модели логистической регрессии (glm в R), не ограничены между 0 и 1, как я ожидал. Мое понимание логистической регрессии состоит в том, что ваши входные параметры и параметры модели объединяются линейно, и ответ преобразуется в вероятность с помощью функции связи logit. Поскольку функция логита ограничена между …

13 r  regression  logistic  generalized-linear-model 

У меня есть когорта пациентов с разной продолжительностью наблюдения. Пока что я не обращаю внимания на временной аспект, и мне просто нужно смоделировать бинарный исход - болезнь / нет болезни. Я обычно делаю логистическую регрессию в этих исследованиях, но другой мой коллега спросил, будет ли регрессия Пуассона такой же уместной. …

13 logistic  poisson-distribution 

Я хочу вычислить коэффициенты для регрессии, которая очень похожа на логистическую регрессию (На самом деле логистическая регрессия с другим коэффициентом: когда может быть дано). Я думал об использовании GMM для вычисления коэффициентов, но я не уверен, какие условия момента я должен использовать.A1+e−(b0+b1x1+b2x2+…),A1+e−(b0+b1x1+b2x2+…), \frac{A}{1 + e^{- (b_0 + b_1 x_1 + …

13 logistic  generalized-moments