MultiLinearLogistic Regr-ions

ivan gabrovski

Vsebuje oglase

O tej aplikaciji

Spodaj je praktični vodnik za večkratno (multivariatno) binarno logistično regresijo – tj. napovedovanje binarnega izida (0/1) iz več značilnosti. Binomska logistična regresija (običajno imenovana kar logistična regresija) je statistična metoda, ki se uporablja za modeliranje razmerja med eno ali več neodvisnimi spremenljivkami in binarnim (dvokategoričnim) izidom. Binarno: cilj y∈{0,1}
Večkratna (multivariatna): več kot ena vhodna značilnost x_1, x_2, ..., x_n​
Model:
p(y=1∣x)=1/(1+e^{−z}), kjer je z=w_0+w_1*x_1+⋯+w_n*x_n

in w_0, w_1...w_n so uteži, izračunane z x_1, x_2, ..., x_n in napakami med y in napovedmi.
Namesto neposrednega napovedovanja vrednosti logistična regresija napoveduje logaritemske verjetnosti z uporabo linearne kombinacije napovedovalcev z. Logaritmične verjetnosti se nato pretvorijo z uporabo logistične (sigmoidne) funkcije, da se dobijo verjetnosti med 0 in 1.
Binarna logistična regresija je verjetnostni klasifikacijski model, ki uporablja sigmoidno funkcijo za napovedovanje verjetnosti enega od dveh izidov, zaradi česar se pogosto uporablja v statistiki, podatkovni znanosti in strojnem učenju za interpretirano binarno odločanje.
Parametri modela se ocenjujejo z uporabo ocene največje verjetnosti (MLE). Za razvrščanje izidov se uporablja prag (običajno 0,5) (če je P ≥ 0,5 → razred 1; če je P < 0,5 → razred 0).
Multinomska logistična regresija je statistična metoda in metoda strojnega učenja, ki se uporablja za modeliranje razmerja med nizom neodvisnih spremenljivk (prediktorjev) in kategorično odvisno spremenljivko z več kot dvema možnima izidoma, kjer kategorije nimajo naravnega vrstnega reda.
Model: Za razred k:
P(y=k∣x)=e^w_k⋅x / ∑e^w_j⋅x kjer je j=1,2...K
Kjer je: - x = vektor značilnosti
w_k = uteži za razred k
K = število razredov
V aplikaciji je vsak objekt Object_k (object_1, object_2 ... object_m) opisan z neodvisnimi spremenljivkami (X_ki – značilnosti, i = 1...n) in eno odvisno spremenljivko (Y_k - cilj). Za izračun optimalnih vrednosti koeficientov (beta_0, beta_1, beta_2, ..., beta_n) se uporablja metoda, kot je metoda navadnih najmanjših kvadratov (OLS). Ciljna vrednost se izračuna z:
Y = beta_0 + beta_01* P_1 + beta_2 *P_2 + ... + beta_n* P_n
kjer je: P_1, P_2...P_n so napovedovalci cilja.
Aplikacija shranjuje podatke za več logističnih regresijskih modelov v podatkovno bazo (DB) tipa SQLite z imenom AppMultiNomialLogisticRegression.db. Regresijski modeli se razlikujejo po imenih.

Začetni zaslon aplikacije (App Multinomial Linear Logistic Regression Solver) prikazuje seznam vzorcev regresijskih modelov (v vrtljivem seznamu) in gumbe za omogočanje funkcij za ustvarjanje (New sample), nalaganje (Load), shranjevanje (Save), shranjevanje kot (Save as), izračun (Calculate) in brisanje (Delete) vzorcev regresijskih modelov. Z glavnega zaslona lahko prek elementov menija dostopate tudi do funkcij, kot so izbira jezika, shranjevanje in kopiranje podatkovne baze, inicializacija podatkovne baze z vzorčnimi podatki, in pomožnih funkcij, kot so pomoč za aplikacijo, nastavitve in povezava do spletnega mesta z opisom vseh aplikacij s strani avtorjev.

Funkcije za ustvarjanje (Nov vzorec) vključujejo pogovorno okno za vnos velikosti matrike, kjer se vnesejo podatki novega vzorca – število vrstic (število vključenih vrstic za predvidene podatke P_1, P_2 ... P_n – zadnja vrstica) in število stolpcev (število vključenih stolpcev za odvisne podatke Y_1, Y_2, ... Y_k – zadnji stolpec). Nato se ustvari tabela za vnos ustreznih podatkov. Izpolnjena tabela mora biti pred shranjevanjem poimenovana. Funkcija Naloži počisti tabelo.

Stara shranjena tabela se lahko prikaže z izbiro s seznama vrtečih se podatkov. Prikazana tabela se lahko izračuna in rešitev se prikaže v pogovornem oknu Rezultati aplikacije. Funkcijo Natisni lahko izvedete v tem pogovornem oknu v datoteki AppMultipleLogisticRegressionSolver.txt. Aktivnost Natisni vključuje aktivnost Shrani podatkovno bazo/Shrani datoteko tako, da izberemo mapo, kamor želimo shraniti datoteko. Po izbiri mape se prikaže gumb za shranjevanje. V isti aktivnosti se lahko prikaže vsebina izbrane datoteke in tudi možnost brisanja izbrane datoteke.