কেন লজিস্টিক রিগ্রেশনকে লজিস্টিক শ্রেণিবিন্যাস বলা হয় না?

Question

লজিস্টিক রিগ্রেশন যেহেতু শ্রেণিবদ্ধ নির্ভরশীল ভেরিয়েবলগুলির সাথে সম্পর্কিত একটি পরিসংখ্যানগত শ্রেণিবদ্ধকরণ মডেল , কেন এটি লজিস্টিক শ্রেণিবিন্যাস বলা হয় না ? "রিগ্রেশন" নামটি কি অবিচ্ছিন্ন নির্ভরশীল ভেরিয়েবলগুলির সাথে সম্পর্কিত মডেলগুলিতে সংরক্ষণ করা উচিত নয়?

Comments

লজিস্টিক রিগ্রেশন মডেলগুলির জিএলএম পরিবারের অন্তর্গত।

— স্টাফেন লরেন্ট

আপনি এটি সম্ভাব্যতাগুলি পুনরায় জমা দিতে ব্যবহার করতে পারেন।

— এমরে

যদিও লজিস্টিক রিগ্রেশন অবশ্যই ফিরে আসার সম্ভাবনাগুলির একটি প্রান্তিক প্রবর্তন করে শ্রেণিবদ্ধের জন্য ব্যবহার করা যেতে পারে, এটি কেবলমাত্র তারই ব্যবহার - বা এমনকি এটির প্রাথমিক ব্যবহার। এটি শ্রেণিবিন্যাসের সাথে কোনও সম্পর্কযুক্ত নয় এমন রিগ্রেশন উদ্দেশ্যে - এবং এটি অব্যাহত রাখার জন্য ব্যবহার করা হয়েছিল। আমি যুক্তি দিয়ে বলছি যে এটি এখনও বেশিরভাগ ক্ষেত্রে এর জন্য সহজেই ব্যবহৃত হয় তবে আমি মনে করি এটি আপনার দৃষ্টিভঙ্গির উপর নির্ভর করে।

— Glen_b

লজিস্টিক রিগ্রেশন বিকাশের বিষয়ে আপনার এই পেপারটি আকর্ষণীয় মনে হতে পারে , বিশেষত যেহেতু এটি কোনও ধরণের সমস্যার যে কোনও রিগ্রেশন কৌশল হিসাবে ব্যবহৃত হয় সে সম্পর্কে কিছুটা ধারণা দেয়।

— Glen_b

Answer 1

লজিস্টিক রিগ্রেশন জোর দিয়ে নিজেরভাবে কোনও শ্রেণিবদ্ধকরণ অ্যালগরিদম নয় । সিদ্ধান্তের নিয়মের সাথে এটি একটি শ্রেণিবিন্যাস অ্যালগরিদম যা ফলাফলের পূর্বাভাসের সম্ভাবনাগুলি দ্বিধাত্বিক করে তোলে। পণ্য সরবরাহ রিগ্রেশন হয় একটি রিগ্রেশন মডেল কারণ এটি একটি বৈশিষ্ট্য multilinear ফাংশন (ক রূপান্তরের) হিসাবে বর্গ সদস্যপদ সম্ভাবনা অনুমান।

ফ্র্যাঙ্ক হ্যারেল এই ওয়েবসাইটে লগস্টিক অ্যালগরিদম হিসাবে লজিস্টিক রিগ্রেশন সম্পর্কিত সমস্যাগুলি গণনা করে বেশ কয়েকটি উত্তর পোস্ট করেছেন। তাদের মধ্যে:

• শ্রেণিবিন্যাস একটি সিদ্ধান্ত । সর্বোত্তম সিদ্ধান্ত নেওয়ার জন্য, আপনাকে একটি ইউটিলিটি ফাংশন মূল্যায়ন করতে হবে, যা সূচিত করে যে আপনাকে ফলাফলের অনিশ্চয়তার জন্য দায়বদ্ধ হতে হবে, যেমন একটি সম্ভাবনা। ≈
• ভুল শ্রেণিবদ্ধকরণের খরচ সমস্ত ইউনিট জুড়ে একরকম নয়।
• কাট অফ ব্যবহার করবেন না।
• সঠিক স্কোরিংয়ের নিয়ম ব্যবহার করুন।
• সমস্যাটি আসলে ঝুঁকি অনুমান, শ্রেণিবিন্যাস নয়।

আমি যদি সঠিকভাবে স্মরণ করি তবে তিনি এই (এবং আরও!) পয়েন্টগুলিতে আরও বিস্তৃত হওয়ার জন্য আমাকে একবার রিগ্রেশন কৌশল সম্পর্কিত তাঁর বইয়ের দিকে নির্দেশ করেছেন তবে আমি সেই বিশেষ পোস্টটি খুঁজে পাচ্ছি বলে মনে হয় না।

Comments

যদি এটি হয় তবে সমস্ত (বা বেশিরভাগ) শ্রেণিবদ্ধরা সম্ভাব্যতাগুলি প্রথম শ্রেণীর অন্তর্ভুক্ত হওয়ার সম্ভাবনা পূর্বাভাস দেয় (যতদূর আমি জানি) এবং তারপরে এই সম্ভাবনাটি ক্লাসে রূপান্তরিত করে .. তাই না?

— আউটিলার

@ আউটিলার কাউন্টারেক্সেক্সালাম: এসভিএম মোটামুটি শ্রেণীর সম্ভাবনাগুলি গণনা করে না, এটি কেবল একটি পর্যবেক্ষণ এবং হাইপারপ্লেনের মধ্যে দূরত্ব পরিমাপ করে।

— সাইকোরাক্স

@ এমএল-এর আউটিলারদের এগুলি বলা হয় সম্ভাব্য শ্রেণিবদ্ধ; গাছ এবং এলোমেলো বন নয়, এক্সগুস্ট হয় - কমপক্ষে লগলস সহ)

— seanv507

Answer 2

অবতর্কভাবে, রিগ্রেশন হ'ল শর্তসাপেক্ষ প্রত্যাশা গণনা করার সমস্যা । এই প্রত্যাশার দ্বারা নেওয়া ফর্মটি কীভাবে ডেটা তৈরি হয়েছিল তার অনুমানের উপর নির্ভর করে:$E[Y|X=x]$

• শাস্ত্রীয় লিনিয়ার রিগ্রেশন সহ ফলন বিতরণ করার জন্য (Y | X = x) ধরে নেওয়া।
• পোইসন বিতরণ ধরে নিলে পইসন রিগ্রেশন পাওয়া যায়।
• একটি বার্নোল্লি বিতরণ ধরে নিলে লজিস্টিক রিগ্রেশন পাওয়া যায়।

কোয়ান্টাইল রিগ্রেশন-এর মতো পদ্ধতির সাথে "রিগ্রেশন" শব্দটিও সাধারণত ব্যবহৃত হয়েছিল, যা প্রদত্ত পরিমাণের অনুমান করে ।$(Y|X=x)$

Answer 3

ইতিমধ্যে সরবরাহ করা ভাল উত্তরগুলি ছাড়াও অন্য মতামতটি হ'ল লজিস্টিক রিগ্রেশন সম্ভাব্যতা (যা ধারাবাহিক মান ) এর পূর্বাভাস দেয় যা 0 থেকে 1 পর্যন্ত রেঞ্জ পেয়েছে ।