একাধিক ভবিষ্যদ্বাণীযুক্ত একটি লজিট মডেলের জন্য সম্ভাব্যতা বক্ররেখা গ্রাফিং


12

আমার নিম্নলিখিত সম্ভাব্যতা কার্যকারিতা রয়েছে:

PROB=11+ +-z- র

কোথায়

z- র=বি0+ +বি1এক্স1+ ++ +বিএনএক্সএন

আমার মডেল দেখে মনে হচ্ছে

pr(ওয়াই=1)=11+ +মেপুঃ(-[-3,92+ +0,014×(বিদার প্রস্তাব)])

এটি সম্ভাব্যতা বক্ররেখার মাধ্যমে ভিজ্যুয়ালাইজ করা হয়েছে যা নীচের মত দেখাচ্ছে।

এখানে চিত্র বর্ণনা লিখুন

আমি আমার আসল রিগ্রেশন সমীকরণে কয়েকটি ভেরিয়েবল যুক্ত করার বিষয়ে বিবেচনা করছি। আসুন আমরা মডেলটিতে লিঙ্গ (শ্রেণিবদ্ধ: এফ এবং এম) এবং বয়সের (শ্রেণিবদ্ধ: <25 এবং> 26) যুক্ত করি বলে আমি শেষ করি:

pr(ওয়াই=1)=11+ +মেপুঃ(-[-3,92+ +0,014×(বিদার প্রস্তাব)+ +0.25×(লিঙ্গ)+ +0.15×(বয়স)])

আরআই তে একই ধরণের সম্ভাব্যতা বক্ররেখা উত্পন্ন করতে পারে যা তিনটি ভবিষ্যদ্বাণীকের অ্যাকাউন্টিংয়ের সময় আমাকে ওয়াই = 1 এর সম্ভাব্যতা বলবে। যেখানে আমি হারিয়েছি আমি এই পরিবর্তনের প্রতিটি সম্ভাব্য অনুক্রমের সম্ভাবনাগুলি খুঁজতে চাই।

সুতরাং যখন বিড = 1, লিঙ্গ = এম, এবং বয়স> = 26 হয় তখন ওয়াই = 1 হওয়ার সম্ভাবনা কত? একইভাবে, যখন বিড = 2, লিঙ্গ = এফ, এবং বয়স> = 26 হয় তখন ওয়াই = 1 এর সম্ভাবনা কত?

আমি একটি সম্ভাব্যতা বক্ররেখা উত্পন্ন করতে চাই যা আমাকে এটি দেখার জন্য অনুমতি দেবে।

কেউ সাহায্য করতে পারেন? লগইট মডেল থেকে কেউ কী ধরণের তথ্য সংগ্রহ করতে পারে তা আমি পুরোপুরি ভুল বুঝতে পারি, তবে দয়া করে আমাকে বলুন আমিও তত্ত্বটি ভুল বুঝছি।


আপনি কি কোডটি আর এ করতে চান, বা কেবল সমস্যাটি ধারণাটি বুঝতে চান?
গুং - মনিকা পুনরায়

যদি আমাকে বেছে নিতে হয়, আমি বিষয়টি ধারণাটি বলব। আমি মনে করি যে আর কোডটি আমি নিজের দ্বারা নির্ধারণ করতে পারি।
এটিএমথিউ

2
আপনি যদি সাধারণ (সর্বনিম্ন স্কোয়াস) রিগ্রেশন নিয়ে একই সমস্যার সমাধান করতে স্বাচ্ছন্দ্য বোধ করেন তবে কেন প্রতিক্রিয়াটিকে লগ প্রতিক্রিয়া হিসাবে প্রকাশ করবেন না (যা কেবল ) এবং আপনার জানা কৌশলগুলি ব্যবহার করবেন? বি0+ +বি1এক্স1+ ++ +বিএনএক্সএন
whuber

1
নিশ্চিত, @FrankHarrell কটাক্ষপাত করা RMS প্যাকেজ (ব্যাপক ডকুমেন্টেশন পাওয়া যাবে আরএমএস ওয়েবসাইট )। দিয়ে শুরু করুন Predict()এবং plot.Predict()ফাংশন কি করা যেতে পারে একটি অনুভূতি পেতে (এই ষড়যন্ত্র রয়েছে এর কার্যকারিতা হিসেবে সঙ্গে, ডিফল্ট মান এ সেট, বা আপনার পছন্দের স্থির মান)। x 1 x 2 , , এক্স পিpr(ওয়াই=1|এক্স2,...,এক্সপি)এক্স1এক্স2,...,এক্সপি
chl

উত্তর:


24

সৌভাগ্যক্রমে আপনার জন্য, আপনার কাছে কেবল একটি ক্রমাগত কোভেরিয়াট রয়েছে। সুতরাং, আপনি কেবল বিআইডি এবং এর সম্পর্কের সাথে চারটি (অর্থাত্ 2 SEX x 2 AGE) প্লট তৈরি করতে পারেন । বিকল্পভাবে, আপনি এটিতে চারটি ভিন্ন লাইন দিয়ে একটি প্লট তৈরি করতে পারেন (আপনি আলাদা করার জন্য বিভিন্ন লাইনের শৈলী, ওজন বা রঙ ব্যবহার করতে পারেন)। বিআইডি মানগুলির একটি ব্যাপ্তির জন্য চারটি সংমিশ্রণের প্রতিটিটিতে রিগ্রেশন সমীকরণ সমাধান করে আপনি এই পূর্বাভাসিত রেখাগুলি পেতে পারেন। পি(ওয়াই=1)

আরও জটিল পরিস্থিতি হ'ল যেখানে আপনার একাধিক অবিচ্ছিন্ন কোভেরিয়াট থাকে। এর মতো ক্ষেত্রে প্রায়শই একটি নির্দিষ্ট কোভেরিয়েট থাকে যা কিছু অর্থে 'প্রাথমিক' হয়। এই covariate এক্স অক্ষ জন্য ব্যবহার করা যেতে পারে। তারপরে আপনি অন্যান্য কোভেরিয়েটগুলির বেশ কয়েকটি প্রাক-নির্দিষ্ট মানগুলির সমাধান করেন, সাধারণত গড় এবং +/- 1 এসডি। অন্যান্য বিকল্পের মধ্যে বিভিন্ন ধরণের 3 ডি প্লট, কোপলটস বা ইন্টারেক্টিভ প্লট অন্তর্ভুক্ত রয়েছে।

আমার এখানে অন্য একটি প্রশ্নের উত্তরে ২ টিরও বেশি মাত্রায় ডেটা অন্বেষণের জন্য বিভিন্ন প্লট সম্পর্কিত তথ্য রয়েছে। আপনার ক্ষেত্রে কাঁচা মূল্যবোধের পরিবর্তে মডেলের পূর্বাভাসিত মানগুলি উপস্থাপনে আগ্রহী ব্যতীত আপনার মামলাটি মূলত সাদৃশ্যপূর্ণ।

হালনাগাদ:

এই প্লটগুলি তৈরি করতে আমি কিছু সহজ উদাহরণ কোড লিখেছি। আমাকে কয়েকটি জিনিস খেয়াল করা যাক: 'ক্রিয়া' তাড়াতাড়ি সংঘটিত হওয়ার কারণে, আমি কেবল বিআইডি চালিয়েছি 700 (তবে এটি 2000 এ প্রসারিত করতে নির্দ্বিধায়)। এই উদাহরণস্বরূপ, আমি আপনার নির্দিষ্ট করা ফাংশনটি ব্যবহার করছি এবং প্রথম বিভাগ (অর্থাত্ মহিলা এবং যুবক) রেফারেন্স বিভাগ হিসাবে (যা আরে ডিফল্ট) হিসাবে গ্রহণ করছি। যেমন @ শুভর মন্তব্যটিতে মন্তব্য করেছেন, এলআর মডেলগুলি লগ প্রতিক্রিয়ায় লিনিয়ার, সুতরাং আপনি যদি পছন্দ করেন তবে ওএলএস প্রতিরোধের সাথে আপনি যেমন পূর্বাভাসিত মান এবং প্লট ব্যবহার করতে পারেন। লজিট হ'ল লিঙ্ক ফাংশন, যা আপনাকে মডেলটিকে সম্ভাবনার সাথে সংযুক্ত করতে দেয়; দ্বিতীয় ব্লকটি লগিট কার্যকে বিপর্যয়ের মাধ্যমে লগের প্রতিকূলতাকে সম্ভাব্যতায় রূপান্তরিত করে, অর্থাৎ ক্ষতিকারক (প্রতিকূলতায় রূপান্তরিত) এবং তারপরে বৈকল্পিকতাগুলিকে 1 + বিজোড় দ্বারা ভাগ করে। ( আপনি আরও তথ্য চাইলে আমি এখানে লিঙ্ক ফাংশনগুলির প্রকৃতি এবং এই ধরণের মডেলটি নিয়ে আলোচনা করি ))

BID = seq(from=0, to=700, by=10)

logOdds.F.young = -3.92 + .014*BID
logOdds.M.young = -3.92 + .014*BID + .25*1
logOdds.F.old   = -3.92 + .014*BID         + .15*1
logOdds.M.old   = -3.92 + .014*BID + .25*1 + .15*1

pY.F.young = exp(logOdds.F.young)/(1+ exp(logOdds.F.young))
pY.M.young = exp(logOdds.M.young)/(1+ exp(logOdds.M.young))
pY.F.old   = exp(logOdds.F.old)  /(1+ exp(logOdds.F.old))
pY.M.old   = exp(logOdds.M.old)  /(1+ exp(logOdds.M.old))

windows()
  par(mfrow=c(2,2))
  plot(x=BID, y=pY.F.young, type="l", col="blue", lwd=2, 
       ylab="Pr(Y=1)", main="predicted probabilities for young women")
  plot(x=BID, y=pY.M.young, type="l", col="blue", lwd=2, 
       ylab="Pr(Y=1)", main="predicted probabilities for young men")
  plot(x=BID, y=pY.F.old, type="l", col="blue", lwd=2, 
       ylab="Pr(Y=1)", main="predicted probabilities for old women")
  plot(x=BID, y=pY.M.old, type="l", col="blue", lwd=2, 
       ylab="Pr(Y=1)", main="predicted probabilities for old men")

যা নিম্নলিখিত প্লট উত্পাদন করে:
এখানে চিত্র বর্ণনা লিখুন
এই ফাংশনগুলি পর্যাপ্তরূপে অনুরূপ যে আমি চারদিকে সমান্তরাল প্লট পদ্ধতির প্রাথমিকভাবে উল্লেখ করেছি যে খুব স্বতন্ত্র নয়। নিম্নলিখিত কোডটি আমার 'বিকল্প' পদ্ধতির প্রয়োগ করে:

windows()
  plot(x=BID, y=pY.F.young, type="l", col="red", lwd=1, 
       ylab="Pr(Y=1)", main="predicted probabilities")
  lines(x=BID, y=pY.M.young, col="blue", lwd=1)
  lines(x=BID, y=pY.F.old,   col="red",  lwd=2, lty="dotted")
  lines(x=BID, y=pY.M.old,   col="blue", lwd=2, lty="dotted")
  legend("bottomright", legend=c("young women", "young men", 
         "old women", "old men"), lty=c("solid", "solid", "dotted",
         "dotted"), lwd=c(1,1,2,2), col=c("red", "blue", "red", "blue"))

পরিবর্তে উত্পাদন, এই চক্রান্ত:
এখানে চিত্র বর্ণনা লিখুন

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.