3 rodzaje regresji logistycznej (w tym przykłady)

Regresja logistyczna odnosi się do dowolnego modelu regresji, w którymzmienna odpowiedzi jest jakościowa.

Istnieją trzy typy modeli regresji logistycznej:

• Binarna regresja logistyczna : zmienna odpowiedzi może należeć tylko do jednej z dwóch kategorii.
• Wielomianowa regresja logistyczna : zmienna odpowiedzi może należeć do jednej z trzech lub więcej kategorii i nie ma naturalnego uporządkowania pomiędzy kategoriami.
• Porządkowa regresja logistyczna : zmienna odpowiedzi może należeć do jednej z trzech lub więcej kategorii, a pomiędzy kategoriami istnieje naturalny porządek.

Poniższa tabela podsumowuje te różnice:

Ten samouczek zawiera krótkie wyjaśnienie każdego typu modelu regresji logistycznej wraz z przykładami każdego z nich.

Typ nr 1: binarna regresja logistyczna

Binarne modele regresji logistycznej to rodzaj regresji logistycznej, w której zmienna odpowiedzi może należeć tylko do dwóch kategorii.

Oto kilka przykładów:

Przykład 1: Draft NBA

Załóżmy, że specjalista zajmujący się danymi sportowymi chce wykorzystać zmienne predykcyjne (1) punkty, (2) zbiórki i (3) asysty, aby przewidzieć prawdopodobieństwo, że dany koszykarz z college’u zostanie powołany do NBA.

Ponieważ istnieją tylko dwa możliwe wyniki (zapisane lub niepisane) dla zmiennej odpowiedzi, badacz danych zastosowałby dwumianowy model regresji logistycznej.

Przykład 2: Wykrywanie spamu

Załóżmy, że firma chce użyć zmiennych predykcyjnych (1) liczby słów i (2) kraju pochodzenia, aby przewidzieć prawdopodobieństwo, że dana wiadomość e-mail jest spamem.

Ponieważ dla zmiennej odpowiedzi istnieją tylko dwa możliwe wyniki (spam lub brak spamu), firma zastosowałaby dwumianowy model regresji logistycznej.

Typ nr 2: Wielomianowa regresja logistyczna

Wielomianowe modele regresji logistycznej to rodzaj regresji logistycznej, w której zmienna odpowiedzi może należeć do jednej z trzech lub więcej kategorii i nie ma naturalnego uporządkowania pomiędzy kategoriami.

Oto kilka przykładów:

Przykład 1: Preferencje polityczne

Załóżmy, że politolog chce wykorzystać zmienne predykcyjne (1) roczny dochód i (2) lata nauki, aby przewidzieć prawdopodobieństwo, że dana osoba zagłosuje na jednego z czterech różnych kandydatów na prezydenta.

Ponieważ istnieją więcej niż dwa możliwe wyniki (istnieją cztery potencjalni kandydaci) dla zmiennej odpowiedzi i nie ma naturalnego uporządkowania między wynikami, politolog zastosowałby wielomianowy model regresji logistycznej.

Przykład 2: Preferencje sportowe

Załóżmy, że analityk sportowy chce użyć zmiennych predykcyjnych (1) godzin oglądania telewizji tygodniowo i (2) wieku, aby przewidzieć prawdopodobieństwo, że dana osoba wybierze koszykówkę, piłkę nożną lub baseball jako swój ulubiony sport.

Ponieważ dla zmiennej odpowiedzi istnieją więcej niż dwa możliwe wyniki (istnieją trzy dyscypliny sportowe), analityk sportowy zastosuje wielomianowy model regresji logistycznej.

Typ nr 3: Porządkowa regresja logistyczna

Porządkowe modele regresji logistycznej to rodzaj regresji logistycznej, w której zmienna odpowiedzi może należeć do jednej z trzech lub więcej kategorii, a pomiędzy kategoriami istnieje naturalne uporządkowanie.

Oto kilka przykładów:

Przykład 1: oceny szkolne

Załóżmy, że doradca akademicki chce użyć zmiennych predykcyjnych (1) GPA, (2) wyniku ACT i (3) wyniku SAT, aby przewidzieć prawdopodobieństwo, że dana osoba dostanie się na studia, które można sklasyfikować jako „złe”, „przeciętne” . », „dobry” lub „świetny”.

Ponieważ istnieją więcej niż dwa możliwe wyniki (istnieją cztery klasyfikacje jakości szkoły) dla zmiennej odpowiedzi i istnieje naturalna kolejność pomiędzy wynikami, doradca szkolny zastosowałby model regresji porządkowej logistycznej.

Przykład 2: Oceny filmów

Załóżmy, że krytyk filmowy chce użyć zmiennych predykcyjnych (1) całkowitego czasu trwania i (2) gatunku, aby przewidzieć prawdopodobieństwo, że dany film otrzyma ocenę od 1 do 10.

Ponieważ istnieją więcej niż dwa możliwe wyniki (jest 10 możliwych ocen) dla zmiennej odpowiedzi i istnieje naturalny porządek pomiędzy wynikami, krytyk filmowy zastosowałby porządkowy model regresji logistycznej.

Dodatkowe zasoby

Poniższe samouczki zawierają więcej szczegółów na temat modeli regresji logistycznej:

Wprowadzenie do regresji logistycznej
6 hipotez regresji logistycznej
4 Przykłady zastosowania regresji logistycznej w życiu codziennym