আমি কোন লজিস্টিক রিগ্রেশনকে ভবিষ্যদ্বাণী করতে প্রশিক্ষণ দিচ্ছি যে কোন দৌড়কীরাই সবচেয়ে মারাত্মক সহনশীলতা প্রতিযোগিতাটি শেষ করতে পারে।
খুব কম রানাররা এই রেসটি সম্পূর্ণ করে, তাই আমার কাছে কঠোর শ্রেণির ভারসাম্যহীনতা এবং সাফল্যের একটি ছোট নমুনা (সম্ভবত কয়েক ডজন) dozen আমার মনে হয়েছে যে প্রায় কয়েকজন রানার যারা এটি প্রায় তৈরি করেছিলেন তাদের কাছ থেকে আমি কিছু ভাল "সংকেত" পেয়েছি । (আমার প্রশিক্ষণের ডেটা কেবলমাত্র সমাপ্তিই নয়, তবে শেষ পর্যন্ত শেষ করা শেষ পর্যন্ত এটি কতটা দূরে রয়েছে) তাই আমি ভাবছি যে এটি একটি ভয়ানক ধারণা বা কিছু "আংশিক creditণ" অন্তর্ভুক্ত নয়)। আমি আংশিক creditণ, র্যাম্প এবং লজিস্টিক কার্ভের জন্য কয়েকটি কার্যকারিতা নিয়ে এসেছি, যা বিভিন্ন পরামিতি দেওয়া যেতে পারে।
রিগ্রেশনটির সাথে একমাত্র পার্থক্য হ'ল আমি বাইনারি ফলাফলের পরিবর্তে পরিবর্তিত, অবিচ্ছিন্ন ফলাফলের পূর্বাভাস দেওয়ার জন্য প্রশিক্ষণ ডেটা ব্যবহার করব । পরীক্ষার সেটে তাদের ভবিষ্যদ্বাণীগুলির তুলনা করা (বাইনারি প্রতিক্রিয়া ব্যবহার করে) আমি মোটামুটি অনিবার্য ফলাফল পেয়েছি - যৌক্তিক আংশিক creditণটি আর-স্কোয়ার্ড, এউসি, পি / আর এর সামান্য উন্নতি বলে মনে হয়েছিল, তবে এটি ব্যবহার করে একটি ব্যবহারের ক্ষেত্রে কেবল একটি প্রচেষ্টা ছিল ছোট নমুনা।
পূর্বাভাসগুলি সমাপ্তির দিকে সমানভাবে পক্ষপাতদুষ্ট হওয়ার বিষয়ে আমি তেমন যত্ন নিই না - আমি যা যত্ন করি তা সঠিকভাবে প্রতিযোগীদের সমাপ্তির সম্ভাবনা অনুসারে র্যাঙ্কিং করা হয়, বা এমনকি সমাপ্তির অপেক্ষাকৃত সম্ভাবনার অনুমানও করা যায়।
আমি বুঝতে পারি যে লজিস্টিক রিগ্রেশন ভবিষ্যদ্বাণীকারীদের এবং প্রতিকূলতার অনুপাতের লগের মধ্যে একটি লিনিয়ার সম্পর্ককে ধরে নিয়েছে এবং আমি ফলাফলগুলি নিয়ে গণ্ডগোল শুরু করলে অবশ্যই এই অনুপাতের কোনও বাস্তব ব্যাখ্যা নেই। আমি নিশ্চিত যে এটি তাত্ত্বিক দৃষ্টিকোণ থেকে স্মার্ট নয়, তবে এটি কিছু অতিরিক্ত সংকেত পেতে এবং অতিরিক্ত চাপ প্রতিরোধে সহায়তা করতে পারে। (আমার কাছে সাফল্যের তুলনায় প্রায় বহু ভবিষ্যদ্বাণী রয়েছে, তাই আংশিক সমাপ্তির সাথে সম্পর্কগুলি সম্পূর্ণ সম্পূর্ণতার সাথে সম্পর্কের চেক হিসাবে ব্যবহার করা সহায়ক হতে পারে)।
এই পদ্ধতির কি কখনও দায়িত্বশীল অনুশীলনে ব্যবহৃত হয়?
যেভাবেই হোক, সেখানে কি অন্যান্য ধরণের মডেল রয়েছে (সম্ভবত এমন কিছু যা স্পষ্টভাবে বিপদের হারকে মডেল করে, সময়ের পরিবর্তে দূরত্বের চেয়ে বেশি প্রয়োগ করা হয়) যা এই ধরণের বিশ্লেষণের জন্য আরও উপযুক্ত হতে পারে?