Fonctionnement de la régression logistique

Régression intermédiaire en R

Richie Cotton

Data Evangelist at DataCamp

La somme des carrés ne convient pas

sum((y_pred - y_actual) ^ 2)

y_actual vaut toujours 0 ou 1.

y_pred est entre 0 et 1.

Il existe une meilleure mesure que la somme des carrés.

    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))

Quand y_actual = 1

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

Quand y_actual = 0

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

Calculer la vraisemblance additionne de très petits nombres, ce qui cause des erreurs numériques.
La log-vraisemblance est plus simple à calculer.

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

Les deux équations donnent le même résultat.

Maximiser la log-vraisemblance revient à minimiser la log-vraisemblance négative.

-sum(log_likelihoods)

calc_neg_log_likelihood <- function(coeffs) {

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

  # More calculation!

}

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

Régression intermédiaire en R