Logistic regression intercept (ဥပမာဖြင့်) အဓိပါယ်ဖွင့်နည်း

Logistic regression သည် response variable binary ဖြစ်သောအခါ regression model နှင့် ကိုက်ညီရန် ကျွန်ုပ်တို့သုံးနိုင်သော method တစ်ခုဖြစ်သည်။

ကျွန်ုပ်တို့သည် ထောက်ပံ့ပို့ဆောင်ရေးဆိုင်ရာ ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေသောအခါ၊ မော်ဒယ်အထွက်ရှိ မူရင်းအသုံးအနှုန်းသည် ခန့်မှန်းသူကိန်းရှင်အားလုံး သုညနှင့်ညီမျှသည့်အခါ ဖြစ်ပေါ်သည့် တုံ့ပြန်မှုကိန်းရှင်၏ မှတ်တမ်းအပေါက်များကို ကိုယ်စားပြုသည်။

သို့သော်၊ မှတ်တမ်းဖြစ်နိုင်ခြေသည် အဓိပ္ပာယ်ဖွင့်ဆိုရန် ခက်ခဲသောကြောင့်၊ ကျွန်ုပ်တို့သည် ဖြစ်နိုင်ခြေသတ်မှတ်ချက်အရ ကြားဖြတ်ကို ယေဘုယျအားဖြင့် ဘောင်ခတ်ထားသည်။

မော်ဒယ်ရှိ ကြိုတင်ခန့်မှန်းကိန်းရှင်တစ်ခုစီသည် သုညဖြစ်သောကြောင့် တုံ့ပြန်မှုကိန်းရှင်ဖြစ်ပေါ်နိုင်ခြေကို နားလည်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်သည်။

 P = e β 0 / (1 +e β 0 )

အောက်ဖော်ပြပါ ဥပမာသည် လက်တွေ့တွင် logistic regression intercept ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုသည်ကို ပြသထားသည်။

ဆက်စပ်- Logistic Regression Coefficients ကို ဘယ်လိုအဓိပ္ပာယ်ဖွင့်မလဲ။

ဥပမာ- ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုကြားဖြတ်အား မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုမည်နည်း။

ကျောင်းသားတစ်ဦးသည် အတန်းတစ်တန်းတွင် နောက်ဆုံးစာမေးပွဲကို ဖြေဆိုနိုင်သည်ရှိ၊ မရှိ ခန့်မှန်းရန် ကျား / မ နှင့် လေ့ကျင့်မှု စာမေးပွဲများကို အသုံးပြု၍ ထောက်ပံ့ပို့ဆောင်ရေးဆိုင်ရာ ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေလိုသည်ဆိုပါစို့။

ကျွန်ုပ်တို့သည် စာရင်းအင်းဆော့ဖ်ဝဲ (ဥပမာ R၊ Python ၊ Excel သို့မဟုတ် SAS ကဲ့သို့) ကို အသုံးပြု၍ မော်ဒယ်နှင့် အံကိုက်ဖြစ်ပြီး အောက်ပါရလဒ်ကို ရရှိသည်ဆိုပါစို့။

မူရင်းအသုံးအနှုန်းမှာ -1.34 တန်ဖိုးရှိသည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

ဆိုလိုသည်မှာ လိင် သည် သုည (ဆိုလိုသည်မှာ ကျောင်းသားသည် အမျိုးသမီးဖြစ်သည်) နှင့် လက်တွေ့စာမေးပွဲများ သည် သုညဖြစ်သောအခါ (နောက်ဆုံးစာမေးပွဲအတွက် ပြင်ဆင်သည့် ကျောင်းသားသည် စာတွေ့လက်တွေ့စာမေးပွဲများ မဖြေဆိုရသေးသည့်အချိန်တွင်) ကျောင်းသား စာမေးပွဲအောင်မည့် လော့ဂရစ်သမ်ဆိုင်ရာ နှုန်းများမှာ -1.34 ဖြစ်သည်။ . .

မှတ်တမ်းအစွန်းအထင်းများသည် နားလည်ရန်ခက်ခဲသောကြောင့်၊ ဖြစ်နိုင်ခြေသတ်မှတ်ချက်အရ အရာများကို ကျွန်ုပ်တို့ ပြန်လည်ရေးသားနိုင်သည်-

• အောင်မြင်နိုင်ခြေ = e ^{β ₀} / (1 +e ^{β ₀} )
• အောင်မြင်နိုင်ခြေ = e ^-1.34 / (1 +e ^-1.34 )
• အောင်မြင်နိုင်ခြေ = 0.208

ကြိုတင်ခန့်မှန်းကိန်းရှင် နှစ်ခုစလုံးသည် သုည (ဆိုလိုသည်မှာ ကြိုတင်ပြင်ဆင်မှု စာမေးပွဲများ မဖြေဆိုရသေးသော ကျောင်းသား)၊ ကျောင်းသားသည် နောက်ဆုံးစာမေးပွဲကို ဖြေဆိုမည့် ဖြစ်နိုင်ခြေမှာ 0.208 ဖြစ်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုဆိုင်ရာ နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုရလဒ်များကို မည်သို့အစီရင်ခံမည်နည်း။
Logistic Regression အတွက် Null Hypothesis ကို နားလည်ခြင်း။
Logistic regression နှင့် linear regression အကြား ခြားနားချက်