Огляд логістичної регресії

Узагальнені лінійні моделі в R

Richard Erickson

Instructor

Науковець у лабораторії

Зображення спортивної аналітики

Інтернет‑продавець використовує логістичну регресію

Огляд розділу

Типовий GLM для біноміальної сім'ї

Модель бінарних даних

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

Пов'язана з лінійним рівнянням

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

Логіт визначено як

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

Обернений логіт визначено як

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

Функція:

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

Вхідні дані:

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

Узагальнені лінійні моделі в R