Přehled logistické regrese

Zobecněné lineární modely v R

Richard Erickson

Instructor

Vědec v laboratoři

Obrázek sportovní analytiky

Online prodejce využívající logistickou regresi

Přehled kapitoly

Výchozí GLM pro binomickou rodinu

Model binárních dat

$Y = \text{Binomial}(p)$

Propojeno s lineární rovnicí

$\text{logit}(p) = \beta_0 + \beta_1 x + \epsilon$

Logit definován jako

$\text{logit}(p) = \text{log}\left(\frac{p}{1-p}\right)$

Inverzní logit definován jako

$\text{logit}^{-1}(x) = \frac{1}{1 + \text{exp}(-x)}$

Funkce:

glm(y ~ x, data = dat, family = 'binomial')

Vstupy:

y = c(0, 1, 0, 0, 1...)
y = c("yes", "no"...)
y = c("win", "lose"...)
# Or any 2-level factor

  CommuteDays Bus
1           5 Yes
2           2  No

Zobecněné lineární modely v R