GLM을 어떻게 구축할까요?

Python으로 배우는 Generalized Linear Models

Ita Cirovic Donev

Data Science Consultant

GLM의 구성요소

GLM의 구성요소

GLM의 구성요소

GLM의 구성요소

GLM의 구성요소

연속형 $\rightarrow$ 선형회귀

데이터 유형: 연속형
정의역: $(-\infty,\infty)$
예시: 주택 가격, 급여, 키

패밀리: Gaussian()
링크: 항등
$g(\mu) = \mu = E(y)$

모형 = 선형회귀

이진 $\rightarrow$ 로지스틱 회귀

데이터 유형: 이진
정의역: $0,1$
예시: 참/거짓

패밀리: Binomial()
링크: 로짓

모형 = 로지스틱 회귀

카운트 $\rightarrow$ 포아송 회귀

데이터 유형: 카운트
정의역: $0, 1, 2, ..., \infty$
예시: 득표 수, 허리케인 수

패밀리: Poisson()
링크: 로그

모형 = 포아송 회귀

링크 함수

밀도	링크: $\eta=g(\mu)$	기본 링크	glm(family=...)
정규	$\eta = \mu$	항등	Gaussian()
포아송	$\eta = log(\mu)$	로그	Poisson()
이항	$\eta = log[p/(1-p)]$	로짓	Binomial()
감마	$\eta = 1/\mu$	역함수	Gamma()
역정규	$\eta = 1/\mu^2$	제곱 역함수	InverseGaussian()

GLM의 장점

• 다양한 분포를 위한 통합 프레임워크
  • 지수족 분포
• 링크 함수
  • y의 기댓값을 변환
  • 선형 결합을 가능하게 함
  • 선형모형 기법을 GLM에도 적용 가능

Ayo berlatih!

Python으로 배우는 Generalized Linear Models