Jak funguje logistická regrese

Intermediate Regression in R

Richie Cotton

Data Evangelist at DataCamp

Součet čtverců nefunguje

sum((y_pred - y_actual) ^ 2)

y_actual je vždy 0 nebo 1.

y_pred je mezi 0 a 1.

Existuje lepší metrika než součet čtverců.

    y_pred * y_actual

    y_pred * y_actual + (1 - y_pred) * (1 - y_actual)

sum(y_pred * y_actual + (1 - y_pred) * (1 - y_actual))

Když y_actual = 1

y_pred * 1 + (1 - y_pred) * (1 - 1) = y_pred

Když y_actual = 0

y_pred * 0 + (1 - y_pred) * (1 - 0) = 1 - y_pred

Výpočet věrohodnosti zahrnuje sčítání mnoha velmi malých čísel, což vede k numerickým chybám.
Log-věrohodnost se počítá snáze.

log(y_pred) * y_actual + log(1 - y_pred) * (1 - y_actual)

Obě rovnice dávají stejný výsledek.

Maximalizace log-věrohodnosti je totéž jako minimalizace záporné log-věrohodnosti.

-sum(log_likelihoods)

calc_neg_log_likelihood <- function(coeffs) {

  intercept <- coeffs[1]
  slope <- coeffs[2]

  # More calculation!

}

optim(
  par = ???,
  fn = ???
)

Intermediate Regression in R