<\/p>\n
Bu e\u011fitimde lojistik regresyon modelinin C istatisti\u011finin<\/strong> nas\u0131l yorumlanaca\u011f\u0131na dair basit bir a\u00e7\u0131klama sa\u011flanmaktad\u0131r.<\/span><\/p>\n Lojistik regresyon,<\/strong> yan\u0131t<\/em> de\u011fi\u015fkeni<\/em> ikili oldu\u011funda bir regresyon modeline uymak i\u00e7in kulland\u0131\u011f\u0131m\u0131z istatistiksel bir y\u00f6ntemdir. Lojistik regresyonun kullan\u0131m\u0131na ili\u015fkin baz\u0131 \u00f6rnekler:<\/span><\/p>\n Tahmin edici de\u011fi\u015fkenlerin say\u0131sal veya kategorik olabilece\u011fini unutmay\u0131n; \u00f6nemli olan yan\u0131t de\u011fi\u015fkeninin ikili olmas\u0131d\u0131r. Durum b\u00f6yle oldu\u011funda lojistik regresyon, yorday\u0131c\u0131 de\u011fi\u015fkenler ile yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fkiyi a\u00e7\u0131klamak i\u00e7in kullan\u0131labilecek uygun bir modeldir.<\/span><\/p>\n Lojistik regresyon modelini bir veri setine uydurdu\u011fumuzda, genellikle modelin verilere ne kadar iyi<\/em> uydu\u011fuyla ilgileniriz. \u00d6zellikle, modelin olumlu ve olumsuz sonu\u00e7lar\u0131 do\u011fru bir \u015fekilde tahmin etme yetene\u011fiyle ilgileniyoruz.<\/span><\/p>\n Duyarl\u0131l\u0131k,<\/strong> sonu\u00e7 ger\u00e7ekten olumluyken modelin bir g\u00f6zlem i\u00e7in olumlu bir sonu\u00e7 \u00f6ng\u00f6rme olas\u0131l\u0131\u011f\u0131n\u0131 ifade eder.<\/span><\/p>\n Spesifiklik,<\/strong> sonu\u00e7 ger\u00e7ekten negatif oldu\u011funda modelin bir g\u00f6zlem i\u00e7in olumsuz bir sonu\u00e7 \u00f6ng\u00f6rme olas\u0131l\u0131\u011f\u0131n\u0131 ifade eder.<\/span><\/p>\n Lojistik regresyon modeli, %100 duyarl\u0131l\u0131\u011fa ve \u00f6zg\u00fcll\u00fc\u011fe sahipse g\u00f6zlemleri s\u0131n\u0131fland\u0131rmak i\u00e7in m\u00fckemmeldir, ancak pratikte bu neredeyse hi\u00e7bir zaman ger\u00e7ekle\u015fmez.<\/span><\/p>\n Lojistik regresyon modelini yerle\u015ftirdikten sonra, yorday\u0131c\u0131 de\u011fi\u015fkenlerin de\u011ferlerine dayal\u0131 olarak belirli bir g\u00f6zlemin olumlu bir sonuca sahip olma olas\u0131l\u0131\u011f\u0131n\u0131 hesaplamak i\u00e7in kullan\u0131labilir.<\/span><\/p>\n Bir g\u00f6zlemin pozitif olarak s\u0131n\u0131fland\u0131r\u0131lmas\u0131 gerekip gerekmedi\u011fini belirlemek i\u00e7in, e\u015fi\u011fin \u00fczerinde d\u00fczeltilmi\u015f olas\u0131l\u0131\u011fa sahip g\u00f6zlemlerin pozitif olarak s\u0131n\u0131fland\u0131r\u0131laca\u011f\u0131 ve e\u015fi\u011fin alt\u0131nda d\u00fczeltilmi\u015f olas\u0131l\u0131\u011fa sahip t\u00fcm g\u00f6zlemlerin negatif olarak s\u0131n\u0131fland\u0131r\u0131laca\u011f\u0131 \u015fekilde bir e\u015fik se\u00e7ebiliriz. .<\/span><\/p>\n \u00d6rne\u011fin e\u015fik de\u011ferini 0,5 olarak se\u00e7ti\u011fimizi varsayal\u0131m. Bu, d\u00fczeltilmi\u015f olas\u0131l\u0131\u011f\u0131 0,5’ten b\u00fcy\u00fck olan herhangi bir g\u00f6zlemin pozitif sonu\u00e7 verece\u011fi, d\u00fczeltilmi\u015f olas\u0131l\u0131\u011f\u0131 0,5’ten k\u00fc\u00e7\u00fck veya ona e\u015fit olan herhangi bir g\u00f6zlemin ise negatif sonu\u00e7 verece\u011fi anlam\u0131na gelir.<\/span><\/p>\n Bir modelin \u00f6zg\u00fcll\u00fc\u011f\u00fcne kar\u015f\u0131 duyarl\u0131l\u0131\u011f\u0131n\u0131 g\u00f6rselle\u015ftirmenin en yayg\u0131n yollar\u0131ndan biri, e\u015fik de\u011feri olarak duyarl\u0131l\u0131k de\u011ferlerine kar\u015f\u0131 \u00f6zg\u00fcll\u00fck 1’in grafi\u011fi olan bir Al\u0131c\u0131 \u00c7al\u0131\u015fma Karakteristi\u011fi ( ROC<\/strong> ) e\u011frisi<\/strong> \u00e7izmektir. nokta 0’dan 1’e gider:<\/span><\/p>\n Duyarl\u0131l\u0131\u011f\u0131 ve \u00f6zg\u00fcll\u00fc\u011f\u00fc y\u00fcksek olan bir model, grafi\u011fin sol \u00fcst k\u00f6\u015fesine uyan bir ROC e\u011frisine sahip olacakt\u0131r. Duyarl\u0131l\u0131\u011f\u0131 ve \u00f6zg\u00fcll\u00fc\u011f\u00fc d\u00fc\u015f\u00fck olan bir model, 45 derecelik diyagonale yak\u0131n bir e\u011friye sahip olacakt\u0131r.<\/span><\/p>\n AUC<\/strong> (e\u011frinin alt\u0131ndaki alan),<\/strong><\/span> bize modelin pozitif ve negatif sonu\u00e7lar\u0131 ay\u0131rt etme yetene\u011fi hakk\u0131nda bir fikir verir. AUC, 0 ile 1 aras\u0131nda de\u011fi\u015febilir. AUC ne kadar y\u00fcksek olursa, model sonu\u00e7lar\u0131 do\u011fru \u015fekilde s\u0131n\u0131fland\u0131rmada o kadar iyi olur.<\/span><\/p>\n Bu, grafi\u011fin sol \u00fcst k\u00f6\u015fesini saran ROC e\u011frisine sahip bir modelin, e\u011frinin alt\u0131nda y\u00fcksek bir alana sahip olaca\u011f\u0131 ve dolay\u0131s\u0131yla sonu\u00e7lar\u0131 do\u011fru \u015fekilde s\u0131n\u0131fland\u0131rma konusunda iyi bir i\u015f \u00e7\u0131karaca\u011f\u0131 anlam\u0131na gelir. Tersine, 45 derecelik diyagonali kucaklayan ROC e\u011frisine sahip bir model, e\u011frinin alt\u0131nda d\u00fc\u015f\u00fck bir alana sahip olacak ve bu nedenle sonu\u00e7lar\u0131 s\u0131n\u0131fland\u0131rma konusunda iyi bir i\u015f \u00e7\u0131karmayan bir model olacakt\u0131r.<\/span><\/p>\n Uyum istatisti\u011fi<\/em> olarak da bilinen c istatisti\u011fi<\/strong> , AUC’ye (e\u011fri alt\u0131ndaki alan) e\u015fittir ve a\u015fa\u011f\u0131daki yorumlara sahiptir:<\/span><\/p>\n Yani bir C istatisti\u011fi bize bir modelin sonu\u00e7lar\u0131 do\u011fru s\u0131n\u0131fland\u0131rmada ne kadar etkili oldu\u011funa dair bir fikir verir.<\/span><\/p>\n Klinik ortamda, C istatisti\u011fini t\u00fcm olas\u0131 birey \u00e7iftlerini, yani pozitif bir sonu\u00e7 deneyimleyen bir birey ve negatif bir sonu\u00e7 deneyimleyen bir bireyi alarak hesaplamak m\u00fcmk\u00fcnd\u00fcr. Daha sonra c istatisti\u011fi, olumlu bir sonu\u00e7 deneyimleyen bireyin, olumlu sonucu deneyimlemeyen bireye g\u00f6re sonucu deneyimleme olas\u0131l\u0131\u011f\u0131n\u0131n daha y\u00fcksek oldu\u011fu bu t\u00fcr \u00e7iftlerin oran\u0131 olarak hesaplanabilir.<\/span><\/p>\n \u00d6rne\u011fin, kalp krizi olas\u0131l\u0131\u011f\u0131n\u0131 tahmin etmek i\u00e7in ya\u015f<\/em> ve kan bas\u0131nc\u0131<\/em> gibi \u00f6ng\u00f6r\u00fcc\u00fc de\u011fi\u015fkenleri kullanarak bir lojistik regresyon modeli uygulad\u0131\u011f\u0131m\u0131z\u0131 varsayal\u0131m.<\/span><\/p>\n Modelin c-istatisti\u011fini bulmak i\u00e7in, kalp krizi ge\u00e7iren bir birey ve kalp krizi ge\u00e7irmemi\u015f bir bireyden olu\u015fan t\u00fcm olas\u0131 birey \u00e7iftlerini tan\u0131mlayabildik. Daha sonra c istatisti\u011fi, kalp krizi ge\u00e7iren ki\u015finin asl\u0131nda kalp krizi ge\u00e7irmeyen ki\u015fiye k\u0131yasla kalp krizi ge\u00e7irme olas\u0131l\u0131\u011f\u0131n\u0131n daha y\u00fcksek oldu\u011fu bu \u00e7iftlerin oran\u0131 olarak hesaplanabilir. kalp krizi.<\/span><\/p>\n Bu yaz\u0131da \u015funlar\u0131 \u00f6\u011frendik:<\/span><\/p>\n Bu e\u011fitimde lojistik regresyon modelinin C istatisti\u011finin nas\u0131l yorumlanaca\u011f\u0131na dair basit bir a\u00e7\u0131klama sa\u011flanmaktad\u0131r. Lojistik regresyon nedir? Lojistik regresyon, yan\u0131t de\u011fi\u015fkeni ikili oldu\u011funda bir regresyon modeline uymak i\u00e7in kulland\u0131\u011f\u0131m\u0131z istatistiksel bir y\u00f6ntemdir. Lojistik regresyonun kullan\u0131m\u0131na ili\u015fkin baz\u0131 \u00f6rnekler: Egzersiz, diyet ve kilonun kalp krizi ge\u00e7irme olas\u0131l\u0131\u011f\u0131n\u0131 nas\u0131l etkiledi\u011fini bilmek istiyoruz. Tepki de\u011fi\u015fkeni kalp krizidir ve […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-512","post","type-post","status-publish","format-standard","hentry","category-rehber"],"yoast_head":"\n Lojistik regresyon nedir?<\/strong><\/span><\/h3>\n
\n
Lojistik regresyon modelinin yeterlili\u011fi nas\u0131l de\u011ferlendirilir?<\/strong><\/span><\/h2>\n
ROC e\u011frisinin \u00e7izilmesi<\/strong><\/span><\/h2>\n
C istatisti\u011fini anlamak<\/strong><\/span><\/h2>\n
\n
\u00c7\u00f6z\u00fcm<\/strong><\/span><\/h2>\n
\n