Lojistik Regresyon ve Olasılık
Doğrusal bir ifade nasıl sıfır ile bir arasında tahmine dönüşür?
Kavram
Lojistik regresyon p=1/(1+exp(−z)) dönüşümünü kullanır; z=β₀+β₁x log-odds ölçeğindedir. Bir birim x artışı, diğer koşullar sabitken odds’u exp(β₁) ile çarpar. Bu çarpan, olasılığın aynı oranda arttığı anlamına gelmez.
Bir örnek üzerinden
Olasılık %20 iken odds 0,20/0,80=0,25’tir. Odds iki katına çıktığında yeni olasılık 0,50/1,50, yaklaşık %33,3 olur. Aynı odds oranının olasılık farkı başlangıç düzeyine göre değişir.
Görsel üzerinden
Katsayılar sigmoid eğrisinin yerini ve yönünü değiştirir. Olabilirlik, gözlenen ikili sonuçlara modelin verdiği olasılıkları değerlendirir. MLE düğmesi sayısal optimizasyonla örnek bir çözüm bulur; gösterilen değerler sayısal yaklaşımdır. β₁=0 olduğunda tek bir x karar sınırı olmayabilir.
Yorumlama
0,5 yalnızca görsel referanstır; operasyonel eşik hata maliyetleri ve kapasiteyle seçilir. Yüksek olabilirlik veya iyi sıralama kalibrasyon güvencesi sağlamaz. Ayrışma, bağımlı kayıtlar ve modelin fonksiyon biçimi ayrıca incelenmelidir.
Kapsam ve okuma
Bu modülün görselleri öğretim amaçlıdır. İlgili okuma: scikit-learn · Olasılık kalibrasyonu. Açıklamalı kaynak dizini →