4 voorbeelden van het gebruik van logistieke regressie in het echte leven

Logistische regressie is een statistische methode die we gebruiken om een regressiemodel te fitten wanneer de responsvariabele binair is.

Deze tutorial toont vier verschillende voorbeelden van het gebruik van logistische regressie in het echte leven.

Echt logistiek regressievoorbeeld nr. 1

Medische onderzoekers willen weten hoe lichaamsbeweging en gewicht de kans op een hartaanval beïnvloeden. Om de relatie tussen voorspellende variabelen en de kans op een hartaanval te begrijpen, kunnen onderzoekers logistische regressie uitvoeren.

De responsvariabele in het model zal een hartaanval zijn en deze zal twee mogelijke uitkomsten hebben:

• Er vindt een hartaanval plaats.
• Een hartaanval komt niet voor.

De resultaten van het model zullen onderzoekers precies vertellen hoe veranderingen in lichaamsbeweging en gewicht de kans op een hartaanval van een bepaald individu beïnvloeden. Onderzoekers kunnen het gepaste logistische regressiemodel ook gebruiken om de waarschijnlijkheid te voorspellen dat een bepaald individu een hartaanval krijgt, op basis van zijn gewicht en de tijd die hij aan lichaamsbeweging besteedt.

Echt logistiek regressievoorbeeld nr. 2

Onderzoekers willen weten hoe de GPA-, ACT-score en het aantal gevolgde AP-cursussen de kans beïnvloeden om te worden toegelaten tot een bepaalde universiteit. Om de relatie tussen voorspellende variabelen en de waarschijnlijkheid van acceptatie te begrijpen, kunnen onderzoekers logistische regressie uitvoeren.

De responsvariabele in het model is ‘acceptatie’ en heeft twee mogelijke uitkomsten:

• Er wordt een student aangenomen.
• Een student wordt niet geaccepteerd.

De resultaten van het model zullen onderzoekers precies vertellen hoe veranderingen in GPA, ACT-score en het aantal gevolgde AP-cursussen de waarschijnlijkheid beïnvloeden dat een bepaald individu wordt toegelaten tot de universiteit. Onderzoekers kunnen het aangepaste logistieke regressiemodel ook gebruiken om de waarschijnlijkheid te voorspellen dat een bepaald individu zal worden geaccepteerd, op basis van hun GPA, ACT-score en het aantal gevolgde AP-cursussen.

Voorbeeld uit de praktijk van logistische regressie #3

Een bedrijf wil weten of het aantal woorden en het land van herkomst van invloed zijn op de kans dat een e-mail spam is. Om de relatie tussen deze twee voorspellende variabelen en de waarschijnlijkheid dat een e-mail spam is te begrijpen, kunnen onderzoekers logistische regressie uitvoeren.

De antwoordvariabele in de sjabloon is ’spam‘ en heeft twee mogelijke uitkomsten:

• De e-mail is spam.
• De e-mail is geen spam.

De resultaten van het model zullen het bedrijf precies vertellen hoe veranderingen in het aantal woorden en het land van herkomst de waarschijnlijkheid beïnvloeden dat een bepaalde e-mail spam is. Het bedrijf kan ook het aangepaste logistieke regressiemodel gebruiken om de waarschijnlijkheid te voorspellen dat een bepaalde e-mail spam is, op basis van het aantal woorden en het land van herkomst.

Echt logistiek regressievoorbeeld #4

Een creditcardmaatschappij wil weten of het transactiebedrag en de kredietscore van invloed zijn op de waarschijnlijkheid dat een bepaalde transactie frauduleus is. Om de relatie tussen deze twee voorspellende variabelen en de waarschijnlijkheid dat een transactie frauduleus is te begrijpen, kan het bedrijf een logistische regressie uitvoeren.

De responsvariabele in het model zal ‘frauduleus’ zijn en twee mogelijke uitkomsten hebben:

• De transactie is frauduleus.
• De transactie is niet frauduleus.

De resultaten van het model zullen het bedrijf precies vertellen hoe veranderingen in het transactiebedrag en de kredietscore de waarschijnlijkheid beïnvloeden dat een bepaalde transactie frauduleus is. Het bedrijf kan ook het aangepaste logistieke regressiemodel gebruiken om de waarschijnlijkheid te voorspellen dat een bepaalde transactie frauduleus is, op basis van het transactiebedrag en de kredietscore van de persoon die de transactie heeft uitgevoerd.