সাধারণ লজিস্টিক রিগ্রেশন এউসি

আমি 2 ধরণের লজিস্টিক রিগ্রেশন ব্যবহার করছি - একটি হ'ল সহজ ধরণের, বাইনারি শ্রেণিবদ্ধকরণের জন্য, এবং অন্যটি সাধারণ লজিস্টিক রিগ্রেশন। প্রথমটির নির্ভুলতা গণনা করার জন্য, আমি ক্রস-বৈধতা ব্যবহার করেছি, যেখানে আমি প্রতিটি ভাড়ার জন্য এওসি গণনা করেছি এবং গড় এওসি গণনা করেছি। অর্ডিনাল লজিস্টিক রিগ্রেশন এর জন্য আমি কীভাবে এটি করতে পারি? আমি বহু-শ্রেণীর পূর্বাভাসকারীদের জন্য জেনারালাইজড আরওসি সম্পর্কে শুনেছি, তবে এটি কীভাবে গণনা করা যায় তা সম্পর্কে আমি নিশ্চিত নই।

ধন্যবাদ!

— নোম পেলেড
সূত্র

এউসি নয় তবে সম্পর্কিত: স্ট্যাটাসে স্ট্রোকএক্সচেঞ্জ

— ইয়েভজেনি

উত্তর:

আমি কেবল আরওসি বক্ররেখার অধীনে অঞ্চলটি পছন্দ করি ( $c$ -আইডেক্স) কারণ এটি একটি সম্মতিযুক্ত সম্ভাবনা হতে পারে। $c$ র‌্যাঙ্ক পারস্পরিক সম্পর্কের সহগগুলির একটি বিল্ডিং ব্লক। উদাহরণস্বরূপ, সামার্স ' $D_{xy} = 2\times (c - \frac{1}{2})$ । অর্ডিনাল জন্য $Y$ , $D_{xy}$ ভবিষ্যদ্বাণীমূলক বৈষম্যের একটি দুর্দান্ত পরিমাপ, এবং আর rmsপ্যাকেজটি বুটস্ট্র্যাপের ওভারফিটিং-সংশোধন প্রাক্কলনগুলির সহজ উপায় সরবরাহ করে $D_{xy}$ । আপনি সাধারণীকরণের জন্য ব্যাকসলভ করতে পারেন $c$ -ইনডেক্স (জেনারেলাইজড এওআরওসি)। প্রতিটি স্তর বিবেচনা না করার কারণ রয়েছে $Y$ আলাদাভাবে কারণ এটি এর সাধারণ প্রকৃতিটি কাজে লাগায় না $Y$ ।

ইন rmsপূরণবাচক রিগ্রেশন জন্য দুটি ফাংশন আছে: lrmএবং orm, আধুনিক হ্যান্ডলিং একটানা $Y$ এবং আনুপাতিক প্রতিকূলতার চেয়ে বেশি বিতরণ পরিবার (লিঙ্ক ফাংশন) সরবরাহ করে।

— ফ্র্যাঙ্ক হ্যারেল
সূত্র

মূল ইস্যুটি হবে কীভাবে আরএমএস গণনা করে

c - i n d e x

$c-index$ সোমারের ব্যবহৃত

D_{x y}

$D_{xy}$ ?

— চেম্বারলাইন ফঞ্চা

এটি বানান সোমারের । জেনারেলাইজড

c

$c$ -আইডেক্সটি কেবল উপরে উল্লিখিত সমীকরণকে ব্যাকস্লভ করেই গণনা করা হয়। অভ্যন্তরীণ, পর্যবেক্ষণগুলির সমস্ত সম্ভাব্য সংমিশ্রণ আলাদা

Y

$Y$ মানগুলি পরীক্ষা করা হয়, এবং এই জাতীয় জোড়গুলির ভগ্নাংশটি যার জন্য পূর্বাভাস একই ক্রমে হয় তা সম্মতি সম্ভাবনার অনুমান। আমি একটি জিনিস ভুল ormব্যবহার করেছি : ফাংশনটি স্পিয়ারম্যান ব্যবহার করে

ρ

$\rho$ পরিবর্তে

D_{x y}

$D_{xy}$ ।

— ফ্র্যাঙ্ক হ্যারেল

বানান সংশোধনের জন্য ধন্যবাদ। সাধারণ প্রতিরোধের ক্ষেত্রে এটি বর্ণিত ক্রমানুসারে কেবল আপনার বর্ণিত ফাংশনে যেমন করা হয়েছে তেমনি তাত্পর্যপূর্ণ হবে না, তবে আপনার ক্লাসের সংখ্যার উপর নির্ভর করে ধারাবাহিক ক্রম (টের্নারি বা উচ্চতর অপারেটর সহ) দেখতেও এটি আরও আকর্ষণীয় হবে। সংক্ষেপে আমি যা বলছি তা হ'ল: সংযোজিত লজিস্টিক রিগ্রেশনটি উদাহরণস্বরূপ, ক্লাসগুলির ক্রমটি মডেলটিতে যত্ন নেওয়া হয়। ভবিষ্যদ্বাণীমূলক পরিমাপের ক্ষেত্রেও জোড়া লাগানোর তুলনা করা সম্ভব হবে না

P (p r e d_{1} < p r e d_{2} | o b s_{1} < o b s_{2})

$P(pred_1<pred_2|obs_1<obs_2)$ তবে ফর্মটির তুলনা করুন pred P (pred_1 <pred_2 <pred_3 | obs_1 <obs_2 <o

— চেম্বারলাইন ফঞ্চা

এই জাতীয় ব্যবস্থা সম্পর্কে আমার প্রথম প্রতিক্রিয়াটি না জেনে তারা হ'ল বাধা দেওয়ার জন্য একটি উচ্চ বার নির্ধারণ করছে।

— ফ্র্যাঙ্ক হ্যারেল

অর্ডিনাল রিগ্রেশন এর জন্য এউসি জটিল কিছু। আপনি যে ক্লাসটি এউসি গণনা করছেন তার জন্য 1 এবং অন্যান্য ক্লাসের 0 টির জন্য 0 মান গ্রহণের জন্য ডমি তৈরি করে আপনি প্রতিটি ক্লাসের জন্য এউসি গণনা করতে চাইতে পারেন। আপনার যদি 4 টি ক্লাস থাকে তবে আপনি 4 টি এউসি তৈরি করবেন এবং তাদের একই গ্রাফে প্লট করবেন। এই পদ্ধতির মূল সমস্যাটি হ'ল এটি মিস-শ্রেণিবিন্যাসকে সমানভাবে দন্ড দেয়। ক্লাস 1 এ ক্লাস 3 তে আরও স্বজ্ঞাতভাবে মিস-শ্রেণিবদ্ধকরণ মিস-ক্লাসিফিকেশন ক্লাস 1 কে ক্লাস 2-এর চেয়ে খারাপ হতে হবে।

— চেম্বারলাইন ফোঞ্চা
সূত্র