MultiLinearLogistic Regr-ions

ivan gabrovski

Жарнамалары бар

Осы қолданба туралы

Төменде көп айнымалылы (көп айнымалылы) екілік логистикалық регрессияға арналған практикалық нұсқаулық берілген — яғни, бірнеше ерекшеліктерден екілік нәтижені (0/1) болжау.

Биномдық логистикалық регрессия (әдетте логистикалық регрессия деп аталады) — бір немесе бірнеше тәуелсіз айнымалылар мен екілік (екі санатты) нәтиже арасындағы байланысты модельдеу үшін қолданылатын статистикалық әдіс.

Екілік: мақсат y∈{0,1}
Көп айнымалылы (көп айнымалылы): бірнеше кіріс ерекшелігі x_1, x_2, ..., x_n​
Модель:
p(y=1∣x)=1/(1+e^{−z}), мұндағы z=w_0+w_1*x_1+⋯+w_n*x_n

және w_0, w_1...w_n — x_1, x_2, ..., x_n және y мен болжам арасындағы қателіктермен есептелген салмақтар.
Логистикалық регрессия мәндерді тікелей болжаудың орнына, z предикторларының сызықтық комбинациясын пайдаланып, логарифмдік мүмкіндіктерді болжайды. Содан кейін логарифмдік мүмкіндіктер 0 мен 1 аралығындағы ықтималдықтарды алу үшін логистикалық (сигмоидтық) функцияны пайдаланып түрлендіріледі.

Екілік логистикалық регрессия - бұл екі нәтиженің біреуінің ықтималдығын болжау үшін сигмоидтық функцияны пайдаланатын ықтималдық жіктеу моделі, бұл оны статистикада, деректер ғылымында және машиналық оқытуда түсіндірілетін екілік шешім қабылдау үшін кеңінен қолдануға мүмкіндік береді.

Модель параметрлері максималды ықтималдықты бағалау (MLE) көмегімен бағаланады. Нәтижелерді жіктеу үшін шекті мән (әдетте 0,5) қолданылады (егер P≥0,5 → 1-сынып; егер P<0,5 → 0-сынып).

Көпмүшелік логистикалық регрессия - бұл тәуелсіз айнымалылар (прекдикторлар) жиынтығы мен екіден көп мүмкін нәтижесі бар категориялық тәуелді айнымалы арасындағы байланысты модельдеу үшін қолданылатын статистикалық және машиналық оқыту әдісі, мұнда санаттардың табиғи реттілігі жоқ.

Модель: k класы үшін:
P(y=k∣x)=e^w_k⋅x / ∑e^w_j⋅x мұндағы j=1,2...K
Мұндағы: - x = ерекшелік векторы
w_k = k класы үшін салмақтар
K = кластар саны
Қолданбада әрбір Object_k(object_1, object_2 ... object_m) нысаны тәуелсіз айнымалылармен (X_ki – ерекшеліктер, i = 1...n) және бір тәуелді айнымалымен (Y_k -target) сипатталады. Коэффициенттердің оңтайлы мәндерін (beta_0, beta_1, beta_2, ..., beta_n) есептеу үшін кәдімгі ең кіші квадраттар (OLS) сияқты әдіс қолданылады. Мақсатты мән келесідей есептеледі:
Y = beta_0 + beta_01* P_1 + beta_2 *P_2 + ... + beta_n* P_n
Мұндағы: P_1, P_2...P_n нысананың болжаушылары.
Қолданба AppMultiNomialLogisticRegression.db деп аталатын SQLite дерекқорындағы (DB) бірнеше логистикалық регрессиялық модельдер үшін деректерді сақтайды. Регрессиялық модельдер атауы бойынша ажыратылады.
Қолданбаның іске қосу экранында (App Multinomial Linear Logistic Regression Solver) регрессиялық модельдер үлгілерінің тізімі (айналдырғыш тізімінде) және регрессиялық модельдердің үлгілерін жасау (Жаңа үлгі), жүктеу (Жүктеу), сақтау (Сақтау), сақтау (Басқаша сақтау), есептеу (Есептеу) және жою (Жою) функцияларын қосу түймелері көрсетіледі. Негізгі экраннан мәзір элементтері арқылы тілді таңдау, дерекқорды сақтау және көшіру, үлгі деректерімен дерекқорды инициализациялау және қолданбаға көмек, параметрлер және авторлардың барлық қолданбаларының сипаттамасы бар веб-сайтқа сілтеме сияқты көмекші функцияларға қол жеткізуге болады.
(Жаңа үлгі) құру функцияларына жаңа үлгі деректерін енгізу кезінде матрица өлшемін енгізуге арналған диалогтық терезе кіреді – жолдар саны (болжамды деректер үшін жол саны P_1, P_2...P_n – соңғы жол) және бағандар саны (тәуелді деректер үшін баған саны Y_1, Y_2,...Y_k – соңғы баған) Содан кейін тиісті деректерді енгізуге арналған кесте жасалады. Толтырылған кесте сақталмас бұрын аталуы керек. Жүктеу функциясы кестені тазалайды. Ескі сақталған кесте айналдыру тізімінен таңдалған кесте бойынша көрсетілуі мүмкін. Көрсетілген кесте есептелуі мүмкін және шешім қолданба нәтижелері диалогтық терезесінде пайда болады. Басып шығару функциясы AppMultipleLogisticRegressionSolver.txt файлындағы осы диалогтық терезеден орындалуы мүмкін. Басып шығару әрекетін қосу Дерекқорды сақтау/файлды сақтау арқылы файл сақталатын қалта таңдалады. Қалтаны таңдағаннан кейін сақтау түймесі пайда болады. Сол әрекеттен таңдалған файлдың мазмұны көрсетілуі мүмкін, сондай-ақ таңдалған файлды жоюға болады.