MultiLinearLogistic Regr-ions

ivan gabrovski‏

מכיל מודעות

מידע על האפליקציה הזו

להלן מדריך מעשי לרגרסיה לוגיסטית בינארית מרובה (רבת משתנים) - כלומר, ניבוי תוצאה בינארית (0/1) ממספר מאפיינים.
רגרסיה לוגיסטית בינומית (בדרך כלל נקראת רגרסיה לוגיסטית) היא שיטה סטטיסטית המשמשת למידול הקשר בין משתנה בלתי תלוי אחד או יותר לבין תוצאה בינארית (בת שתי קטגוריות).
בינארי: יעד y∈{0,1}
מרובה (רבת משתנים): יותר מתכונת קלט אחת x_1, x_2, ..., x_n​
מודל:
p(y=1∣x)=1/(1+e^{−z}), כאשר z=w_0+w_1*x_1+⋯+w_n*x_n

ו-w_0, w_1...w_n הם משקלים המחושבים על ידי x_1, x_2, ..., x_n ושגיאות בין y לבין המאפיינים המנבאים.
במקום לחזות ערכים ישירות, רגרסיה לוגיסטית מנבאת סיכויים לוגריסטיים באמצעות שילוב ליניארי של גורמים מנבאים z. הסיכויים הלוגריסטיים עוברים טרנספורמציה באמצעות הפונקציה הלוגיסטית (סיגמואידית) כדי לייצר הסתברויות בין 0 ל-1.
רגרסיה לוגיסטית בינארית היא מודל סיווג הסתברותי המשתמש בפונקציית הסיגמואידית כדי לחזות את הסבירות של אחת משתי תוצאות, מה שהופך אותה לשימושית באופן נרחב בסטטיסטיקה, מדעי הנתונים ולמידת מכונה לקבלת החלטות בינאריות הניתנות לפירוש.
פרמטרי המודל מוערכים באמצעות הערכת סבירות מרבית (MLE). ערך סף (בדרך כלל 0.5) משמש לסיווג תוצאות (אם P≥0.5 → מחלקה 1; אם P<0.5 → מחלקה 0).
רגרסיה לוגיסטית רב-נומית היא שיטה סטטיסטית ולמידת מכונה המשמשת למידול הקשר בין קבוצת משתנים בלתי תלויים (מנבאים) לבין משתנה תלוי קטגורי עם יותר משתי תוצאות אפשריות, כאשר לקטגוריות אין סדר טבעי. מודל: עבור מחלקה k:
P(y=k∣x)=e^w_k⋅x / ∑e^w_j⋅x כאשר j=1,2...K
כאשר: - x = וקטור מאפיינים
w_k = משקלים עבור מחלקה k
K = מספר מחלקות
באפליקציה כל אובייקט Object_k( object_1, object_2 ... object_m) מתואר על ידי משתנים בלתי תלויים (X_ki – מאפיינים, i = 1...n) ומשתנה תלוי אחד (Y_k - יעד). שיטה כגון ריבועים פחותים רגילים (OLS) משמשת לחישוב הערכים האופטימליים של המקדמים (beta_0, beta_1, beta_2, ..., beta_n). ערך היעד מחושב על ידי:
Y = beta_0 + beta_01* P_1 + beta_2 *P_2 + ... + beta_n* P_n
כאשר: P_1, P_2...P_n הם מנבאים של היעד.
היישום שומר נתונים עבור מודלים מרובים של רגרסיה לוגיסטית במסד נתונים (DB) מסוג SQLite בשם AppMultiNomialLogisticRegression.db. מודלי הרגרסיה נבדלים ביניהם בשמם.
מסך ההפעלה של היישום (App Multinomial Linear Logistic Regression Solver) מציג רשימה של דוגמאות של מודלי רגרסיה (ברשימת ספינר) וכפתורים להפעלת הפונקציות ליצירה (דגימה חדשה), טעינה (Load), שמירה (Save), שמירה בשם (Save as), חישוב (Calculate) ומחיקה (Delete) של דוגמאות של מודלי רגרסיה. מהמסך הראשי, דרך רכיבי התפריט, ניתן גם לגשת לפונקציות כגון בחירת שפה, שמירה והעתקה של מסד הנתונים, אתחול מסד הנתונים עם נתוני דוגמה, ופונקציות עזר כגון עזרה עבור היישום, הגדרות וקישור לאתר אינטרנט עם תיאור של כל היישומים על ידי המחברים.
הפונקציות ליצירת (דגימה חדשה) כוללות את תיבת הדו-שיח להזנת גודל המטריצה ​​​​בהזנת נתוני דגימה חדשה - מספר השורות (מספר השורות הכוללות עבור הנתונים החזויים P_1, P_2...P_n - השורה האחרונה) ומספר העמודות (מספר העמודות הכוללות עבור הנתונים התלויים Y_1, Y_2,...Y_k - העמודה האחרונה). לאחר מכן נוצרת טבלה להזנת נתונים רלוונטיים. יש לתת שם לטבלה המאוכלסת לפני השמירה. הפונקציה Load clear the table (טען/נקה את הטבלה).
הטבלה השמורה הישנה עשויה להופיע על ידי בחירה מרשימת ספינרים. ניתן לחשב את הטבלה המוצגת והפתרון יופיע בתיבת הדו-שיח App תוצאות. ניתן לבצע את הפונקציה Print (הדפסה) מדי-שיח זה בקובץ AppMultipleLogisticRegressionSolver.txt. פעילות Print include (הדפס/כלול) שמור מסד נתונים/שמור קובץ נבחרת בתיקייה שבה לשמור את הקובץ. לאחר בחירת התיקייה מופיע כפתור לשמירה. מאותה פעילות עשויה להוצג תוכן הקובץ שנבחר, וגם למחוק את הקובץ שנבחר.