একটি বহুমাত্রিক পদ্ধতিতে নির্বাচনের ফলাফল গণনা করতে কোন রিগ্রেশন ব্যবহার করতে হবে?


11

আমি সংসদ নির্বাচনের ফলাফলের জন্য ভবিষ্যদ্বাণী করতে চাই। আমার আউটপুট প্রতিটি পক্ষের প্রাপ্ত% হবে। 2 টিরও বেশি পক্ষ রয়েছে তাই লজিস্টিক রিগ্রেশন কোনও কার্যকর বিকল্প নয়। আমি প্রতিটি দলের জন্য পৃথক রিগ্রেশন করতে পারি তবে সে ক্ষেত্রে ফলাফলগুলি একে অপর থেকে স্বতন্ত্রভাবে স্বাধীন হবে। এটি নিশ্চিত করে না যে ফলাফলের যোগফল 100% হবে।

আমার কোন রিগ্রেশন (বা অন্যান্য পদ্ধতি) ব্যবহার করা উচিত? কোনও নির্দিষ্ট গ্রন্থাগারের মাধ্যমে আর বা পাইথনে এই পদ্ধতিটি ব্যবহার করা সম্ভব?


আপনি যদি নিজের আউটপুটটিকে বাইনারিতে পরিবর্তন করতে অনুমতি দেন (কোন দল জিতেছে তার উপর নির্ভর করে), বহু-দেশীয় লজিস্টিক রিগ্রেশন ভাল ফিট। এটি এখনও স্বাধীন আউটপুট বিবেচনা করে যা আপনি যা চান তা নাও হতে পারে।
রবার্ট স্মিথ

উত্তর:


5

রবার্ট ঠিক বলেছেন, বহুকোষী লজিস্টিক রিগ্রেশন ব্যবহারের সেরা সরঞ্জাম। যদিও আপনার নির্ভরশীল ভেরিয়েবল হিসাবে দলটির প্রতিনিধিত্ব করার জন্য একটি পূর্ণসংখ্যা মান থাকা দরকার, উদাহরণস্বরূপ:

1 = রক্ষণশীল সংখ্যাগরিষ্ঠ, 2 = শ্রম সংখ্যাগরিষ্ঠ, 3 = উদার সংখ্যাগরিষ্ঠ .... (এবং আরও)

আপনি নেট প্যাকেজ ব্যবহার করে আর-এ এটি সম্পাদন করতে পারেন। কীভাবে এটি ব্যবহার করবেন তা দ্রুত চালানোর জন্য এখানে একটি ভাল জায়গা।


3

আপনি আপনার ভবিষ্যদ্বাণীটি বেস করতে চান? আমি আমার থিসিসের জন্য পূর্ববর্তী বছরগুলির উপর ভিত্তি করে মাল্টি পার্টির নির্বাচনের ফলাফলের পূর্বাভাস দেওয়ার চেষ্টা করেছি এবং তারপরে এই বছর কয়েকটি পোলিং স্টেশনের ফলাফল ব্যবহার করে অন্যান্য সমস্ত ভোটকেন্দ্রের ফলাফলের পূর্বাভাস দিয়েছি। এর জন্য আমি লিনিয়ার মডেলটির সাথে তুলনা করেছি যা অনুমান করে যে প্রতিটি দলই আগের বছরগুলির ভোটগুলি পুনরায় চাপিয়ে ভোট গ্রহণ করবে। আপনার কাছে সব দলের পক্ষে ভোটের আনুমানিক সংখ্যা থাকলে আপনি সেখান থেকে শতাংশ গণনা করতে পারেন। প্রাসঙ্গিক কাগজের জন্য ননর্যান্ডম নমুনা থেকে পূর্বাভাস দেখুন , যা লিনিয়ার মডেলটি প্রসারিত করে।


2

এটি কোনও রিগ্রেশন নয়, বহু-শ্রেণীর শ্রেণিবিন্যাস সমস্যা। আউটপুট সাধারণত প্রদত্ত যে কোনও পরীক্ষার উদাহরণ (পরীক্ষার সারি) এর জন্য সমস্ত শ্রেণীর সম্ভাব্যতা। সুতরাং আপনার ক্ষেত্রে, প্রশিক্ষিত মডেল থেকে প্রদত্ত যে কোনও পরীক্ষার সারির আউটপুট ফর্মের হবে:

prob_1, prob_2, prob_3,..., prob_k

যেখানে প্রোব_আই i-th শ্রেণীর সম্ভাব্যতাটি চিহ্নিত করে (আপনার ক্ষেত্রে আই-থার্ড পার্টির ক্ষেত্রে), ধরে নিই রেসপন্স ভেরিয়েবলের কে ক্লাস রয়েছে। নোট করুন যে এই কে সম্ভাব্যতার যোগফল 1 হতে চলেছে 1 এক্ষেত্রে শ্রেণীর পূর্বাভাসটি এমন শ্রেণি হতে চলেছে যা সর্বাধিক সম্ভাবনা রয়েছে।

আর-তে অনেক শ্রেণিবদ্ধ রয়েছে যা বহু শ্রেণীর শ্রেণিবিন্যাস করে। আপনি আর-তে নেট প্যাকেজটির মাধ্যমে মাল্টি-ক্লাস সমর্থন সহ লজিস্টিক রিগ্রেশন ব্যবহার করতে পারেন এবং multinomকমান্ডটি চাচ্ছেন

বিকল্প হিসাবে, আপনি আর-তে জিবিএম প্যাকেজটি ব্যবহার করতে পারেন এবং gbmকমান্ডটি আহ্বান করতে পারেন । একটি বহু শ্রেণীর শ্রেণিবদ্ধ তৈরি করতে, কেবল distribution="multinomial" while using thegbm` ফাংশন ব্যবহার করুন ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.