Savollar: Logistik regressiya bilan bashorat qilish nima? Logistik regressiyaning assotsiativlilik vazifasini tushuntiring? Operatorlar va ularning qo’llanilishini tushuntiring? Grafiklarga elementlarni qo’shish qanday amalga oshiriladi?

613_20 guruh talabasi Ergashev Sardorbek
Joriy nazorat ishi 3

Savollar:

1. 
   Logistik regressiya bilan bashorat qilish nima?
   
2. 
   Logistik regressiyaning assotsiativlilik vazifasini tushuntiring?
   
3. 
   Operatorlar va ularning qo’llanilishini tushuntiring?
   
4. 
   Grafiklarga elementlarni qo’shish qanday amalga oshiriladi?
   
5. 
   Grafiklarga elementlarni qo’shishni tushuntiring?
   

1. 
   Logistik regressiya - bu bir yoki bir nechta tushuntiruvchi o'zgaruvchilar yordamida binomli natijani modellashtirishga qaratilgan statistik vositadir.
   

Logistik regressiya - bu statistikadan to'g'ridan-to'g'ri mashina o'rganish uchun kelgan yana bir algoritm. Uni ikkilik tasniflash muammolari uchun ishlatish yaxshi (bular biz ikkita sinfdan birini chiqish paytida olishimiz mumkin bo'lgan muammolar).
Logistik regressiya chiziqli regressiyaga o'xshaydi, chunki u kirish parametrlari uchun koeffitsientlarning qiymatlarini topishni talab qiladi. Farq shundaki, chiqish qiymati chiziqli yoki logistika funktsiyasidan foydalangan holda aylantiriladi.
Logistika funktsiyasi katta S ga o'xshaydi va har qanday qiymatni 0 va 1 orasidagi raqamga o'zgartiradi. Bu juda foydali, chunki biz 0 va 1 ga bog'lash uchun logistika funktsiyasining chiqishiga qoida qo'llashimiz mumkin (masalan, agar funktsiyaning natijasi 0,5 dan kam bo'lsa, u holda). chiqish 1) va sinf bashoratlari.
Modelni o'rgatish uslubi tufayli, logistika regressiyasini bashorat qilish namunaning 0 yoki 1 bo'lishi ehtimolini ko'rsatish uchun ishlatilishi mumkin, bu sizga taxmin qilish uchun ko'proq sabablar kerak bo'lganda foydalidir.
Chiziqli regressiyada bo'lgani kabi, logistika regressi ham ortiqcha va shunga o'xshash parametrlarni olib tashlash orqali o'z ishini yaxshiroq bajaradi. Logistik regressiya modeli tezda o'rganiladi va ikkilik tasniflash muammolari uchun juda mos keladi.
Odatda ikkilik muammolar uchun ishlatiladi, bu erda faqat ikkita sinf mavjud, masalan: Ha yoki Yo'q, 0 yoki 1, erkak yoki ayol va hokazo ...
Shu tarzda ma'lumotlarni tavsiflash va ikkilik bog'liq o'zgaruvchini va bir yoki bir nechta nominal yoki tartibli mustaqil o'zgaruvchilar o'rtasidagi munosabatni tushuntirish mumkin.
Natija, ehtimollikni hisoblab, so'ngra ehtimollik qiymatiga eng yaqin sinfni (ijobiy yoki salbiy) aniqlaydigan logistika funktsiyasi yordamida aniqlanadi.

Statistik usullardan foydalangan holda, logistik regressiya, natijada berilgan qiymatning berilgan sinfga tegishli bo'lishi ehtimolini aks ettiruvchi natijani yaratishga imkon beradi.

Binomial logistik regressiya muammolarida chiqish bitta sinfga tegishli bo'lishi ehtimoli P, boshqa sinf 1-P ga tegishli (bu erda P 0 va 1 orasidagi raqam, chunki u ehtimollikni ifodalaydi).
Binomial logistik regressiya biz taxmin qilmoqchi bo'lgan o'zgaruvchi barcha holatlarda yaxshi ishlaydi, ya'ni u faqat ikkita qiymatni qabul qilishi mumkin: musbat sinfni bildiruvchi 1 qiymati yoki salbiy sinfni bildiruvchi 0 qiymati.
Logistik regress bilan echilishi mumkin bo'lgan muammolarga misollar:
elektron pochta spam yoki emas;
onlayn xarid soxta yoki yo'q, sotib olish shartlarini baholaydi;
bemorda uning radiusi baholanadigan sinish mavjud.

Logistik regressiya yordamida biz bashorat qilishni xohlaymiz (bog'liq o'zgaruvchi) va bir yoki bir nechta mustaqil o'zgaruvchilar, ya'ni xususiyatlar o'rtasidagi bog'liqlikni o'lchab. Ehtimolni baholash logistika funktsiyasi orqali amalga oshiriladi.

Keyinchalik ehtimolliklar ikkilik qiymatlarga aylantiriladi va prognozni haqiqiy qilish uchun ushbu natija sinfga yaqin yoki yo'qligiga qarab u tegishli bo'lgan sinfga beriladi.
Masalan, agar logistika funktsiyasini qo'llash 0,85 ga teng bo'lsa, demak, bu kirish 1-sinfga berish orqali ijobiy sinf hosil qilgan degan ma'noni anglatadi, aksincha, agar u 0,4 va undan yuqori qiymatga ega bo'lsa, odatda <0,5 ..
Logistik regressiya kirish qiymatlarining tasnifini baholash uchun logistika funktsiyasidan foydalanadi.

Logistik regressiya tenglamani chiziqli regressiya kabi vakillik sifatida ishlatadi.

Chiqish qiymatini (y) bashorat qilish uchun kirish qiymatlari (x) og'irliklar yoki koeffitsient qiymatlari yordamida chiziqli ravishda birlashtiriladi. Chiziqli regressiyadan asosiy farq shundaki, modellashtirilgan chiqish qiymati raqamli qiymat emas, balki ikkilik qiymatdir (0 yoki 1).

Mana logistik regressiya tenglamasiga misol:

y = e ^ (b0 + b1 * x) / (1 + e ^ (b0 + b1 * x))

Qayerdan:

y - bog'liq bo'lgan o'zgaruvchi, ya'ni taxmin qilingan qiymat;
b0 - qutblanish yoki kesishish davri;
b1 - bitta kirish qiymati (x) uchun koeffitsient.
Kirish ma'lumotlarining har bir ustunida b ma'lumotlar koeffitsienti (doimiy real qiymat) mavjud bo'lib, u mashg'ulot ma'lumotlaridan o'rganilishi kerak.

2.