আমি এসএএস-তে আমার ডেটাতে লজিস্টিক রিগ্রেশন প্রয়োগ করেছি এবং এখানে আরওসি বক্ররেখা এবং শ্রেণিবিন্যাস টেবিল রয়েছে।
আমি শ্রেণিবদ্ধকরণ টেবিলের পরিসংখ্যানগুলির সাথে স্বাচ্ছন্দ্য বোধ করছি তবে রকের বক্ররেখা এবং এর অধীনে অঞ্চলটি কী দেখায় ঠিক তা নিশ্চিত নয়। কোন ব্যাখ্যা ব্যাপকভাবে প্রশংসা করা হবে।
উত্তর:
আপনি যখন লজিস্টিক রিগ্রেশন করেন, আপনাকে এবং হিসাবে কোডেড দুটি ক্লাস দেওয়া হবে । এখন, আপনি সম্ভাব্যতাগুলি গণনা করুন যা কিছু ব্যাখ্যামূলক ভেরিয়ালব দেয় যা কোনও ব্যক্তি হিসাবে কোডেড শ্রেণীর অন্তর্ভুক্ত । আপনি যদি এখন সম্ভাবনার প্রান্তিকতাটি বেছে নেন এবং এই প্রান্তিকের চেয়ে বড় সম্ভাবনাযুক্ত সমস্ত ব্যক্তিকে শ্রেণি এবং নিম্নের হিসাবে শ্রেণিবদ্ধ করেন, আপনি বেশিরভাগ ক্ষেত্রে কিছু ত্রুটি করবেন কারণ সাধারণত দুটি গ্রুপ পুরোপুরি বৈষম্য করা যায় না। এই প্রান্তিকের জন্য আপনি এখন আপনার ত্রুটিগুলি এবং তথাকথিত সংবেদনশীলতা এবং নির্দিষ্টতা গণনা করতে পারেন। আপনি যদি অনেক দোরের জন্য এটি করেন, আপনি অনেকগুলি সম্ভাব্য প্রান্তিকের জন্য 1-স্পেসিফিকেশনের বিরুদ্ধে সংবেদনশীলতা প্লট করে একটি আরওসি বক্ররেখা তৈরি করতে পারেন। আপনি যদি দুটি শ্রেণীর মধ্যে বৈষম্য করার চেষ্টা করে এমন বিভিন্ন পদ্ধতির তুলনা করতে চান তবে বক্ররেখার নীচের অঞ্চলটি খেলতে আসে, যেমন বৈষম্যমূলক বিশ্লেষণ বা প্রবিট মডেল। আপনি এই সমস্ত মডেলের জন্য আরওসি বক্ররেখা তৈরি করতে পারেন এবং বক্ররেখার অধীনে সর্বোচ্চ অঞ্চল সহ একটিকে সেরা মডেল হিসাবে দেখা যেতে পারে।
আপনার যদি আরও গভীর বোঝার প্রয়োজন হয় তবে আপনি এখানে ক্লিক করে আরওসি বক্ররেখা সম্পর্কিত একটি পৃথক প্রশ্নের উত্তরও পড়তে পারেন ।
লজিস্টিক রিগ্রেশন মডেল হ'ল সরাসরি সম্ভাবনা অনুমানের পদ্ধতি। শ্রেণিবিন্যাস এর ব্যবহারে কোন ভূমিকা পালন করা উচিত। পৃথক বিষয়গুলিতে ইউটিলিটিগুলি (লোকসান / খরচ ফাংশন) মূল্যায়নের উপর ভিত্তি করে কোনও শ্রেণিবিন্যাস খুব বিশেষ জরুরী ব্যতীত অনুপযুক্ত। আরওসি বক্ররেখা এখানে সহায়ক নয়; উভয়ই সংবেদনশীলতা বা সুনির্দিষ্টতা নয় যা সামগ্রিক শ্রেণিবদ্ধকরণের যথার্থতার মতো যথাযথ স্কোরিং নিয়মকে যথাযথ নয় যা সর্বাধিক সম্ভাবনার প্রাক্কলন দ্বারা উপযুক্ত নয় এমন বগাস মডেল দ্বারা অনুকূলিত।
নোট করুন যে আপনি ডেটা বাছাই করে উচ্চ ভবিষ্যদ্বাণীমূলক বৈষম্য (উচ্চ ইন্ডেক্স (আরওসি অঞ্চল)) অর্জন করেন। আপনার কমপক্ষে এর সর্বনিম্ন ঘন বিভাগে কমপক্ষে পর্যবেক্ষণ দরকার , যেখানে প্রার্থী পূর্বাভাসকারীদের সংখ্যা বিবেচনা করা হচ্ছে, যাতে এমন একটি মডেল অর্জন করতে পারে যা উল্লেখযোগ্যভাবে বেশি সাফল্য পায় না [অর্থাত্, এমন একটি মডেল যা সম্ভবত নতুন ডেটাতে কাজ করতে পারে) প্রায়শই পাশাপাশি এটি প্রশিক্ষণের ডেটাতেও কাজ করেছিল]। কেবলমাত্র বিরতি অনুমান করার জন্য আপনার কমপক্ষে ob৯ টি পর্যবেক্ষণ দরকার যেমন পূর্বাভাসিত ঝুঁকির ত্রুটির একটি প্রান্ত রয়েছে15 পি ওয়াই পি ≤ 0.05 0.95 আত্মবিশ্বাসের সঙ্গে।
আমি এই ব্লগটির লেখক নই এবং আমি এই ব্লগটিকে অত্যন্ত সহায়ক বলে মনে করেছি: http://fouryears.eu/2011/10/12/roc-area-under-the-curve-exPLined
আপনার ডেটাতে এই ব্যাখ্যা প্রয়োগ করে, গড় ইতিবাচক উদাহরণের তুলনায় প্রায় 10% নেতিবাচক উদাহরণ রয়েছে।