4 примера использования логистической регрессии в реальной жизни

Логистическая регрессия — это статистический метод, который мы используем для подбора модели регрессии, когда переменная ответа является двоичной.

В этом уроке показаны четыре различных примера использования логистической регрессии в реальной жизни.

Пример реальной логистической регрессии № 1

Медицинские исследователи хотят знать, как физические упражнения и вес влияют на вероятность сердечного приступа. Чтобы понять связь между переменными-предикторами и вероятностью сердечного приступа, исследователи могут выполнить логистическую регрессию.

Переменной ответа в модели будет сердечный приступ, и он будет иметь два потенциальных результата:

• Происходит сердечный приступ.
• Сердечного приступа не происходит.

Результаты модели расскажут исследователям, как именно изменения в физических упражнениях и весе влияют на вероятность сердечного приступа у конкретного человека. Исследователи также могут использовать адаптированную модель логистической регрессии, чтобы предсказать вероятность сердечного приступа у конкретного человека на основе его веса и времени, потраченного на тренировки.

Пример реальной логистической регрессии № 2

Исследователи хотят знать, как средний балл, балл ACT и количество пройденных курсов AP влияют на вероятность поступления в конкретный университет. Чтобы понять взаимосвязь между переменными-предикторами и вероятностью принятия, исследователи могут выполнить логистическую регрессию.

Переменной ответа в модели будет «принятие», и она имеет два потенциальных результата:

• Студент принят.
• Студент не принимается.

Результаты модели расскажут исследователям, как именно изменения в среднем балле, балле ACT и количестве пройденных курсов AP влияют на вероятность того, что данный человек будет принят в колледж. Исследователи также могут использовать подобранную модель логистической регрессии, чтобы предсказать вероятность того, что данный человек будет принят, на основе его среднего балла, балла ACT и количества пройденных курсов AP.

Реальный пример логистической регрессии №3

Компания хочет знать, влияет ли количество слов и страна происхождения на вероятность того, что электронное письмо является спамом. Чтобы понять взаимосвязь между этими двумя переменными-предикторами и вероятностью того, что электронное письмо является спамом, исследователи могут выполнить логистическую регрессию.

Переменной ответа в шаблоне будет «спам», и это может привести к двум потенциальным последствиям:

• Письмо является спамом.
• Письмо не является спамом.

Результаты модели покажут компании, как именно изменения в количестве слов и стране происхождения влияют на вероятность того, что данное электронное письмо является спамом. Компания также может использовать адаптированную модель логистической регрессии, чтобы предсказать вероятность того, что данное электронное письмо является спамом, на основе количества слов и страны происхождения.

Пример реальной логистической регрессии № 4

Компания-эмитент кредитных карт хочет знать, влияют ли сумма транзакции и кредитный рейтинг на вероятность того, что данная транзакция является мошеннической. Чтобы понять взаимосвязь между этими двумя переменными-предикторами и вероятностью того, что транзакция является мошеннической, компания может выполнить логистическую регрессию.

Переменная ответа в модели будет «мошеннической» и будет иметь два потенциальных результата:

• Сделка является мошеннической.
• Сделка не является мошеннической.

Результаты модели расскажут бизнесу, как именно изменения суммы транзакции и кредитного рейтинга влияют на вероятность того, что данная транзакция является мошеннической. Компания также может использовать адаптированную модель логистической регрессии, чтобы предсказать вероятность того, что данная транзакция является мошеннической, на основе суммы транзакции и кредитного рейтинга лица, совершившего транзакцию.