MultiLinearLogistic Regr-ions

ivan gabrovski

Reklam ehtiva edir

Bu tətbiq haqqında

Aşağıda Çoxdəyişkənli (çoxdəyişkənli) İkili Logistik Reqressiyaya dair praktiki təlimat verilmişdir — yəni, birdən çox xüsusiyyətdən ikili nəticənin (0/1) proqnozlaşdırılması.
Binomial Logistik Reqressiya (adətən sadəcə logistik reqressiya adlanır) bir və ya daha çox müstəqil dəyişən və ikili (iki kateqoriyalı) nəticə arasındakı əlaqəni modelləşdirmək üçün istifadə olunan statistik metoddur.
İkili: hədəf y∈{0,1}
Çoxdəyişkənli (çoxdəyişkənli): birdən çox giriş xüsusiyyəti x_1, x_2, ..., x_n​
Model:
p(y=1∣x)=1/(1+e^{−z}), burada z=w_0+w_1*x_1+⋯+w_n*x_n

və w_0, w_1...w_n x_1, x_2, ..., x_n və y ilə proqnozlar arasındakı səhvlərlə hesablanan çəkilərdir.
Dəyərləri birbaşa proqnozlaşdırmaq əvəzinə, logistik reqressiya, z proqnozlaşdırıcılarının xətti kombinasiyasından istifadə edərək loqistik ehtimalları proqnozlaşdırır. Daha sonra loqistik ehtimallar 0 ilə 1 arasında ehtimallar yaratmaq üçün logistik (sigmoid) funksiyasından istifadə edərək transformasiya olunur.
İkili Logistik Reqressiya, iki nəticədən birinin ehtimalını proqnozlaşdırmaq üçün sigmoid funksiyasından istifadə edən ehtimal təsnifat modelidir və bu, statistikada, məlumat elmində və maşın öyrənməsində şərh edilə bilən ikili qərar qəbuletmə üçün geniş istifadə olunmasına səbəb olur.
Model parametrləri Maksimum Ehtimal Qiymətləndirməsi (MLE) istifadə edilərək qiymətləndirilir. Nəticələri təsnif etmək üçün eşik dəyəri (adətən 0,5) istifadə olunur (Əgər P≥0,5 → sinif 1; Əgər P<0,5 → sinif 0).
Çoxnomial logistik reqressiya, kateqoriyaların təbii sıralanmasının olmadığı, müstəqil dəyişənlər (proqnozlar) dəsti ilə ikidən çox mümkün nəticəsi olan kateqoriyalı asılı dəyişən arasındakı əlaqəni modelləşdirmək üçün istifadə olunan statistik və maşın öyrənmə metodudur.
Model: k sinfi üçün:
P(y=k∣x)=e^w_k⋅x / ∑e^w_j⋅x burada j=1,2...K
Burada: - x = xüsusiyyət vektoru
w_k = k sinfi üçün çəkilər
K = siniflərin sayı
Tətbiqdə hər bir Object_k(object_1, object_2 ... object_m) obyekti müstəqil dəyişənlər (X_ki – xüsusiyyətlər, i = 1...n) və bir asılı dəyişən (Y_k -hədəf) ilə təsvir olunur. Əmsalların optimal dəyərlərini (beta_0, beta_1, beta_2, ..., beta_n) hesablamaq üçün adi ən kiçik kvadratlar (OLS) kimi bir metoddan istifadə olunur. Hədəf dəyəri aşağıdakı kimi hesablanır:
Y = beta_0 + beta_01* P_1 + beta_2 *P_2 + ... + beta_n* P_n
burada: P_1, P_2...P_n hədəfin proqnozlaşdırıcılarıdır.
Tətbiq, AppMultiNomialLogisticRegression.db adlı SQLite verilənlər bazası (DB) tipində birdən çox logistik reqressiya modelləri üçün məlumatları saxlayır. Reqressiya modelləri adlarına görə fərqlənir.
Tətbiqin başlanğıc ekranında (App Multinomial Linear Logistic Regression Solver) reqressiya modellərinin nümunələrinin siyahısı (spinner siyahısında) və reqressiya modellərinin nümunələrini yaratmaq (Yeni nümunə), yükləmək (Yükləmək), saxlamaq (Saxla), saxlamaq (kimi saxlamaq), hesablamaq (Hesablamaq) və silmək (Silmək) funksiyalarını aktivləşdirmək üçün düymələr göstərilir. Əsas ekrandan menyu elementləri vasitəsilə dil seçimi, verilənlər bazasını saxlamaq və kopyalamaq, verilənlər bazasını nümunə məlumatları ilə başlatmaq və tətbiq üçün kömək, parametrlər və müəlliflər tərəfindən bütün tətbiqlərin təsviri ilə veb sayta keçid kimi köməkçi funksiyalara da daxil ola bilərsiniz.
(Yeni nümunə) yaratmaq funksiyalarına yeni nümunənin məlumatlarını daxil edərkən matrisin ölçüsünü daxil etmək üçün dialoq pəncərəsi daxildir - sətirlərin sayı (proqnozlaşdırılan məlumatlar üçün sətir sayı P_1, P_2...P_n - son sətir) və sütunların sayı (asılı məlumatlar üçün sütun sayı Y_1, Y_2,...Y_k - son sütun). Daha sonra müvafiq məlumatların daxil edilməsi üçün cədvəl yaradılır. Doldurulmuş cədvəl yadda saxlanılmazdan əvvəl adlandırılmalıdır. Load funksiyası cədvəli təmizləyir.
Köhnə yadda saxlanılan cədvəl fırlanan siyahıdan seçilmiş şəkildə göstərilə bilər. Göstərilən cədvəl hesablana bilər və həll App nəticələri dialoq pəncərəsində görünə bilər. Çap funksiyası AppMultipleLogisticRegressionSolver.txt faylında bu dialoq pəncərəsindən icra edilə bilər. Çap et daxil etmə fəaliyyəti Saxla Məlumat Bölməsini/Faylı Saxla onunla faylın saxlanılacağı qovluq seçilir. Qovluq seçildikdən sonra yadda saxlamaq üçün düymə görünür. Eyni fəaliyyətdən seçilmiş faylın məzmunu göstərilə bilər və həmçinin seçilmiş faylı silmək üçün düymə görünə bilər.