邏輯斯迴歸如何運作

R 的迴歸分析中級

Richie Cotton

Data Evangelist at DataCamp

平方和不適用

sum((y_pred - y_actual) ^ 2)

y_actual 總是 0 或 1。

y_pred 介於 0 到 1 之間。

有比平方和更好的衡量方式。

    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))

當 y_actual = 1 時

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

當 y_actual = 0 時

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

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

兩種式子得到的結果相同。

最大化對數概似度等同於最小化負對數概似度。

-sum(log_likelihoods)

calc_neg_log_likelihood <- function(coeffs) {

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

  # More calculation!

}

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

R 的迴歸分析中級