প্রশ্ন ট্যাগ «logistic»

সাধারণত পরিসংখ্যানগত পদ্ধতিগুলি বোঝায় যা লজিস্টিক ফাংশনটি ব্যবহার করে, সাধারণত বিভিন্ন ধরণের লজিস্টিক রিগ্রেশন

2
বাইনারি ফলাফল এবং ভবিষ্যদ্বাণীকের সাথে লজিস্টিক রিগ্রেশন ব্যবহার করা কি বোধগম্য?
আমার কাছে বাইনারি ফলাফলের পরিবর্তনশীল {0,1} এবং ভবিষ্যদ্বাণীকারী ভেরিয়েবল {0,1} রয়েছে} আমার চিন্তাভাবনাগুলি হ'ল আমি যদি অন্যান্য ভেরিয়েবলগুলিকে অন্তর্ভুক্ত না করি এবং বিজোড় অনুপাত গণনা না করি তবে লজিস্টিক করার জন্য এটি বোধগম্য নয়। একটি বাইনারি পূর্বাভাসকর্তার সাথে, সম্ভাব্যতার তুলনা কি প্রতিকূলতার তুলনায় যথেষ্ট হবে না?

6
ওয়াইন রেটিং (0 এবং 10 থেকে) অনুমান করার জন্য লিনিয়ার রিগ্রেশন বা অরডিনাল লজিস্টিক রিগ্রেশন
আমার কাছে এখান থেকে ওয়াইন ডেটা রয়েছে যার মধ্যে 0 টি 10 ​​এবং 10 এর মধ্যে মানগুলির সাথে প্রতিটি এন্ট্রির সাথে সম্পর্কিত একটি নির্ভরযোগ্য রেটিং সহ 11 সংখ্যাগত স্বতন্ত্র ভেরিয়েবলগুলি থাকে এটি ভেরিয়েবল এবং এর সাথে সম্পর্কিত তদন্ত করার জন্য একটি রিগ্রেশন মডেল ব্যবহার করে একটি দুর্দান্ত ডেটাসেট তৈরি করে …

2
লজিস্টিক রিগ্রেশন সম্পর্কে আইড ধারণা আছে?
লজিস্টিক রিগ্রেশন এর প্রতিক্রিয়ার ভেরিয়েবলের আইডি অনুমান আছে কি? উদাহরণস্বরূপ, ধরুন আমাদের কাছে 100010001000 ডাটা পয়েন্ট রয়েছে। এটা তোলে প্রতিক্রিয়া বলে মনে হয় সঙ্গে একটি বের্নুলির বন্টন থেকে আসছে । সুতরাং, আমাদের বিভিন্ন প্যারামিটার সহ বার্নোল্লি বিতরণ করা উচিত ।পি আমি = logit ( β 0 + + β 1 …

3
কীভাবে একটি লজিস্টিক রিগ্রেশন এর সহগগুলির মান ত্রুটিগুলি গণনা করা যায়
আমি লজিস্টিক রিগ্রেশন প্রশিক্ষণ এবং পরীক্ষা করতে পাইথনের সাইকিট-লার্ন ব্যবহার করছি। সাইকিট-লার্ন স্বতন্ত্র ভেরিয়েবলগুলির রিগ্রেশন এর সহগগুলি প্রদান করে তবে এটি সহগের মানক ত্রুটি সরবরাহ করে না। প্রতিটি সহগের জন্য একটি ওয়াল্ড পরিসংখ্যান গণনা করতে আমার এই স্ট্যান্ডার্ড ত্রুটিগুলি দরকার এবং ঘুরে, এই সহগগুলি একে অপরের সাথে তুলনা করুন। আমি …

2
GLMNET থেকে পরিবর্তনশীল গুরুত্ব importance
আমি বৈশিষ্ট্যগুলি নির্বাচন করার জন্য এবং বাইনারি টার্গেটের সাথে একটি ভবিষ্যদ্বাণীপূর্ণ মডেল ফিটিংয়ের পদ্ধতি হিসাবে লাসোটি ব্যবহার করে দেখছি। নিয়মিত লজিস্টিক রিগ্রেশন সহ পদ্ধতিটি ব্যবহার করার জন্য আমি নীচে কিছু কোড খেলছিলাম। আমার প্রশ্ন হ'ল আমি "উল্লেখযোগ্য" ভেরিয়েবলগুলির একটি গ্রুপ পাচ্ছি তবে আমি কি প্রতিটিটির তুলনামূলক গুরুত্ব অনুমান করার জন্য …

2
অর্ডিনাল স্বাধীন ভেরিয়েবলের সাথে লগইট করুন
লগইট মডেলটিতে, প্রতিটি স্তরের জন্য ডামি ভেরিয়েবল ব্যবহার করার চেয়ে স্বতন্ত্র অর্ডিনাল ভেরিয়েবলের প্রভাব নির্ধারণের কোনও চতুর উপায় কী?

2
লজিস্টিক রিগ্রেশন এবং টি-টেস্টের শক্তি কীভাবে তুলনা করে?
লজিস্টিক রিগ্রেশন এবং টি-টেস্টের সমতুল্য কি সমান? যদি তা হয় তবে সেগুলি "ডেটা ঘনত্বের সমতুল্য" হওয়া উচিত যার দ্বারা আমি বোঝাতে চাইছি একই সংখ্যার অন্তর্নিহিত পর্যবেক্ষণগুলি .05 এর একটি নির্দিষ্ট আলফা দেওয়া একই শক্তি অর্জন করে। দুটি ক্ষেত্রে বিবেচনা করুন: [প্যারাম্যাট্রিক টি-টেস্ট]: দ্বিপদী পর্যবেক্ষণ থেকে 30 টি অঙ্কন করা হয় …

3
কীভাবে অর্ডিনাল শ্রেণিবদ্ধ ভেরিয়েবলকে স্বাধীন ভেরিয়েবল হিসাবে পরিচালনা করতে হয়
আমি লগিট মডেলটি ব্যবহার করছি। আমার নির্ভরশীল পরিবর্তনশীল বাইনারি হয়। তবে একটি স্বাধীন পরিবর্তনশীল যা শ্রেণীগত এবং প্রতিক্রিয়া রয়েছে রয়েছে: 1.very good, 2.good, 3.average, 4.poor and 5.very poor। সুতরাং, এটি অর্ডিনাল ("পরিমাণগত শ্রেণীবদ্ধ")। মডেলটিতে কীভাবে এটি পরিচালনা করবেন তা সম্পর্কে আমি নিশ্চিত নই। আমি ব্যবহার করছি gretl। [@Ttnphns থেকে দ্রষ্টব্য: …

2
আর এর সাথে লজিস্টিক রিগ্রেশনে সহগের গণনা করুন
একাধিক লিনিয়ার রিগ্রেশনটিতে নিম্নলিখিত সূত্র সহ সহকারীটি খুঁজে পাওয়া সম্ভব। b=(X′X)−1(X′)Yb=(X′X)−1(X′)ওয়াইb = (X'X)^{-1}(X')Y beta = solve(t(X) %*% X) %*% (t(X) %*% Y) ; beta এই ক্ষেত্রে: > y <- c(9.3, 4.8, 8.9, 6.5, 4.2, 6.2, 7.4, 6, 7.6, 6.1) > x0 <- c(1,1,1,1,1,1,1,1,1,1) > x1 <- c(100,50,100,100,50,80,75,65,90,90) > x2 <- …

2
লজিস্টিক রিগ্রেশন থেকে সহগের কীভাবে ব্যাখ্যা করবেন?
আমার নিম্নলিখিত সম্ভাবনা কার্যকারিতা রয়েছে: Prob=11+e−zProb=11+e−z\text{Prob} = \frac{1}{1 + e^{-z}} কোথায় z=B0+B1X1+⋯+BnXn.z=B0+B1X1+⋯+BnXn.z = B_0 + B_1X_1 + \dots + B_nX_n. আমার মডেলটি দেখে মনে হচ্ছে Pr(Y=1)=11+exp(−[−3.92+0.014×(gender)])Pr(Y=1)=11+exp⁡(−[−3.92+0.014×(gender)])\Pr(Y=1) = \frac{1}{1 + \exp\left(-[-3.92 + 0.014\times(\text{gender})]\right)} ইন্টারসেপ্ট (3.92) এর অর্থ আমি বুঝতে পেরেছি তবে 0.014 এর ব্যাখ্যা কীভাবে দেওয়া যায় তা সম্পর্কে আমি নিশ্চিত। …

2
একটি ভেরিয়েবলকে শ্রেণিবদ্ধকরণ এটিকে তুচ্ছ থেকে তাৎপর্যপূর্ণ করে তোলে
আমার কাছে একটি সাংখ্যিক পরিবর্তনশীল রয়েছে যা মাল্টিভারিয়েট লজিস্টিক রিগ্রেশন মডেলটিতে তাত্পর্যপূর্ণ নয় turns যাইহোক, যখন আমি এটিকে দলগুলিতে শ্রেণিবদ্ধ করি, হঠাৎ এটি তাৎপর্যপূর্ণ হয়ে ওঠে। এটি আমার কাছে অত্যন্ত স্ব-স্বজ্ঞাত: যখন কোনও ভেরিয়েবলকে শ্রেণিবদ্ধকরণ করা হয়, তখন আমরা কিছু তথ্য ছেড়ে দেই। এটা কিভাবে হতে পারে?

1
পি-মানগুলি লজিস্টিক রিগ্রেশনের তুলনায় প্রায়শই কক্স আনুপাতিক ঝুঁকিপূর্ণ মডেলে বেশি হয় কেন?
আমি কক্স আনুপাতিক ঝুঁকি মডেল সম্পর্কে শিখছি। লজিস্টিক রিগ্রেশন মডেলগুলির ফিটিংয়ের আমার অনেক অভিজ্ঞতা রয়েছে এবং তাই অন্তর্দৃষ্টি তৈরি করতে আমি coxphআর "বেঁচে থাকা" থেকে ব্যবহার করে মডেলগুলির সাথে লজিস্টিক রিগ্রেশন মডেলগুলির সাথে ফিট ব্যবহারের glmসাথে তুলনা করে চলেছি family="binomial"। যদি আমি কোডটি চালাই: library(survival) s = Surv(time=lung$time, event=lung$status - …

5
লজিস্টিক রিগ্রেশন জন্য কোন বৈশিষ্ট্যগুলি সবচেয়ে গুরুত্বপূর্ণ ছিল তা বোঝা
আমি একটি লজিস্টিক রিগ্রেশন শ্রেণিবদ্ধ তৈরি করেছি যা আমার ডেটাতে খুব সঠিক very এটি এত ভাল কেন কাজ করছে তা এখন আমি আরও ভাল করে বুঝতে চাই। বিশেষত, আমি কোন বৈশিষ্ট্যগুলি সর্বাধিক অবদান রাখছি (কোন বৈশিষ্ট্যগুলি সর্বাধিক গুরুত্বপূর্ণ) র‌্যাঙ্ক করতে চাই এবং আদর্শভাবে, প্রতিটি বৈশিষ্ট্য সামগ্রিক মডেলের (বা এই শিরাতে …

3
হোস্টার এট আল ব্যবহার করে মডেল বিল্ডিং এবং নির্বাচন। 2013. আর এ প্রয়োগযুক্ত লজিস্টিক রিগ্রেশন
এটি স্ট্যাক এক্সচেঞ্জে আমার প্রথম পোস্ট, তবে আমি এটি বেশ কিছুদিন ধরে একটি উত্স হিসাবে ব্যবহার করে আসছি, আমি উপযুক্ত ফর্ম্যাটটি ব্যবহার করার এবং যথাযথ সম্পাদনা করার জন্য যথাসাধ্য চেষ্টা করব। এছাড়াও, এটি একটি বহুমাত্রিক প্রশ্ন। আমি নিশ্চিত ছিলাম না যে আমাকে প্রশ্নটি বেশ কয়েকটি ভিন্ন পোস্টে বা কেবল একটিতে …

1
লজিস্টিক রিগ্রেশন: একটি স্যাচুরেটেড মডেল কীভাবে পাবেন
আমি কেবল লজিস্টিক রিগ্রেশনের জন্য বিচ্যুতি পরিমাপ সম্পর্কে পড়েছি। তবে যে অংশটিকে স্যাচুরেটেড মডেল বলা হয় তা আমার কাছে পরিষ্কার নয়। আমি একটি বিস্তৃত গুগল অনুসন্ধান করেছি তবে ফলাফলগুলির কোনওোটাই আমার প্রশ্নের উত্তর দেয় না। আমি এখনও অবধি খুঁজে পেয়েছি যে একটি স্যাচুরেটেড মডেলটির প্রতিটি পর্যবেক্ষণের জন্য একটি প্যারামিটার থাকে …

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.