로지스틱 회귀안녕하세요.
내 질문은 로지스틱 회귀 분석에서 특정 클래스에 속하는 각 데이터 샘플의 확률을 어떻게 계산할 수 있습니까?
예측 모델링 및 기계 학습답: 로지스틱 회귀안녕하세요 @maryam_nourmand 님 ,
커뮤니티에 오신 것을 환영합니다!
로지스틱 회귀를 사용하는 경우 클래스에 대한 확률 공식을 저장할 수 있습니다: 로지스틱 플랫폼 옵션(jmp.com)
빨간색 삼각형을 클릭한 다음 "확률 공식 저장"을 클릭하세요.
데이터 테이블의 모든 행에 대한 각 클래스의 확률과 가장 가능성이 높은 클래스(기본 임계값은 0.5)와 함께 새 열이 데이터 테이블에 추가됩니다.
여기에 있는 예는 "도움말", "샘플 인덱스", "탐색 모델링", Titanic Passengers 메뉴에서 사용할 수 있는 Titanic Passengers 데이터세트에서 가져온 것입니다.
이것이 귀하의 질문에 대한 답변이 되기를 바랍니다.
답: 로지스틱 회귀모델( https://www.jmp.com/support/help/en/18.0/#page/jmp/logistic-regression-models.shtml# )을 실행한 다음 확률 공식을 테이블에 저장하세요.
답: 로지스틱 회귀나는 Victor와 jthi의 응답에 두 가지를 추가하고 싶습니다. 먼저, 확률 공식을 저장하면 확률 로그에서 확률이 계산되는 방식은 해당 확률 열의 공식을 통해 확인할 수 있습니다. 이는 이산형 응답 변수가 아닌 실제로 확률의 로그인 응답 변수와 추정된 확률 사이의 연결입니다. 둘째, "가장 가능성이 높은" 예측은 어느 확률이 더 큰지에 따라 결정됩니다. 즉, 예측을 위해 50% 확률 컷오프를 사용합니다. 특히 거짓양성 및 거짓음성 예측과 관련된 비용이 거의 대칭적이지 않기 때문에 이는 애플리케이션에서 가장 좋은 컷오프가 아닙니다. 로지스틱 회귀 분석을 실행하면 빨간색 화살표 아래에 "결정 임계값"이 있어 다양한 확률 컷오프와 결과 분류를 탐색할 수 있습니다.
답: 로지스틱 회귀귀하의 응답을 위한 tanx.
강력한 로지스틱 회귀를 사용하려면 어떻게 해야 하나요?
답: 로지스틱 회귀안녕하세요 @maryam_nourmand 님 ,
"강력한" 로지스틱 회귀란 무엇을 의미합니까?
JMP Pro에는 Lasso, Ridge, Elastic Net 등 로지스틱 회귀에 대한 몇 가지 페널티 버전이 있습니다.
그것이 당신이 찾고 있는 것인가요?
답: 로지스틱 회귀Nominal Logistic Fit 부분에서는 매개변수를 추정하는 방법을 찾을 수 없습니다.
견고성에 대한 나의 의도는 로지스틱 회귀 모델 매개변수의 추정이 이상값의 영향을 받지 않도록 하는 것입니다.
답: 로지스틱 회귀탄스
답: 로지스틱 회귀제 생각엔 Response Screening(jmp.com) 플랫폼이 당신이 찾고 있는 것이 아닐까요?
이를 통해 이상값에 대한 테스트의 민감도를 줄일 수 있습니다.
