机器算法验证 - 逻辑回归的线性假设 - 吾爱随笔录

逻辑回归的线性假设

机器算法验证回归物流预测模型线性的

2022-04-12 19:07:48

我想问关于逻辑回归的线性假设，是之间的假设

A）自变量（例如预分）与结果的logit？
或B）自变量的预测概率与结果的logit？

下面是我关于这个问题的 R 代码。任何关于我是否正确编写代码以及是否应该使用情节 A 或情节 B 的任何反馈都非常感谢。

fit <- glm(disease ~ Pre.score, data = final, family = binomial)
summary(fit)
pred.val.1 <- predict(fit, type ="response")
logit <- log(pred.val.1/(1-pred.val.1))

plot(logit,final$Pre.score) ## Plot for Point A
plot(logit,pred.val.1) ## Plot for Point B

绘制点 A 绘制点 B

1个回答

一种编写逻辑回归数据生成机制的方法如下

logit (p) = X β

$\mbox{logit}(p) = X\beta$

y \sim Binomial (n, p)

$y \sim \mbox{Binomial}(n , p)$

从这个公式中，我们发现线性假设是在对数赔率标度上做出的。因此，如果我们绘制结果与预测变量的对数几率，我们会看到一条直线 $^{1.}$

$^{1.}$ 这并不完全正确。线性假设不是关于条件均值，而是关于我们如何组合预测变量。我可以使用非线性函数的线性组合轻松制作非线性曲线。话虽如此，这一切都发生在对数赔率规模上。

其它你可能感兴趣的问题

上一篇如果在相同的数据上重复，神经网络会给出非常不同的准确度，为什么？下一篇两个相同变量的联合概率分布是多少