Hồi quy logistic là một trong kỹ thuật phân tích dữ liệu sử dụng toán học để tìm ra quan hệ giữa hai yếu tố dữ liệu. Sau đó, kỹ thuật này sử dụng quan hệ đã kiếm tìm được để tham gia đoán giá chỉ trị của rất nhiều yếu tố đó dựa trên yếu tố còn lại. Dự kiến thường đã cho ra một số hiệu quả hữu hạn, như gồm hoặc không.
Bạn đang xem: Mô hình hồi quy logistic
Ví dụ: đưa sử bạn có nhu cầu đoán coi khách truy vấn trang website của các bạn sẽ nhấp vào nút giao dịch trong giỏ hàng của mình hay không. đối chiếu hồi quy logistic chăm chú hành vi của khách truy vấn trước đây, ví dụ như thời gian dành cho trang website và số lượng các mặt hàng trong giỏ hàng. Quy trình phân tích này khẳng định rằng, trước đây, ví như khách truy cập dành hơn năm phút trên trang web và thêm rộng ba sản phẩm vào giỏ hàng, họ đã nhấp vào nút thanh toán. Phụ thuộc thông tin này, sau đó, hàm hồi quy logistic có thể dự đoán hành động của một khách hàng mới truy vấn trang web.
Tại sao hồi quy logistic lại quan tiền trọng?
Hồi quy logistic là 1 trong kỹ thuật quan trọng trong nghành nghề trí tuệ tự tạo và vật dụng học (AI/ML). Mô hình ML là những chương trình phần mềm có thể được đào tạo để thực hiện các tác vụ cách xử lý dữ liệu phức hợp mà không đề xuất sự can thiệp của bé người. Mô hình ML được xây dựng bằng hồi quy logistic rất có thể giúp những tổ chức chiếm được thông tin sâu sát hữu ích trường đoản cú dữ liệu kinh doanh của mình. Họ hoàn toàn có thể sử dụng hầu hết thông tin chuyên sâu này nhằm phân tích dự đoán nhằm mục tiêu giảm túi tiền hoạt động, tăng độ hiệu quả và đổi chỉnh quy mô nhanh hơn. Ví dụ: doanh nghiệp có thể khám phá những mẫu hình nâng cấp khả năng giữ chân nhân viên cấp dưới hoặc tạo ra kiến tạo sản phẩm đem lại nhiều lợi nhuận hơn.
Dưới đây là một số tiện ích của việc sử dụng hồi quy logistic so với các kỹ thuật ML khác.
Tính 1-1 giản
Các quy mô hồi quy logistic ít phức hợp về mặt toán học hơn các phương thức ML khác. Vì chưng đó, chúng ta có thể triển khai chúng ngay cả khi đội ngũ của chúng ta không ai có trình độ chuyên môn sâu về ML.
Tốc độ
Các quy mô hồi quy logistic có thể xử lý khối lượng lớn tài liệu ở vận tốc cao vày chúng bắt buộc ít khả năng điện toán hơn, chẳng hạn như bộ lưu trữ và sức khỏe xử lý. Điều này khiến các quy mô hồi quy logistic trở cần lý tưởng đối với những tổ chức đang bắt đầu với những dự án ML để đạt được một số trong những thành tựu cấp tốc chóng.
Sự linh hoạt
Bạn có thể sử dụng hồi quy logistic để tìm đáp án cho các thắc mắc có nhì hoặc nhiều tác dụng hữu hạn. Chúng ta cũng có thể sử dụng phương thức này để giải pháp xử lý trước dữ liệu. Ví dụ: chúng ta có thể sắp xếp dữ liệu với một phạm vi quý hiếm lớn, chẳng hạn như thanh toán ngân hàng, thành một phạm vi giá trị hữu hạn, nhỏ hơn dựa vào hồi quy logistic. Sau đó, bạn cũng có thể xử lý tập dữ liệu nhỏ hơn này với các kỹ thuật ML khác để phân tích chính xác hơn.
Khả năng hiển thị
Phân tích hồi quy logistic hỗ trợ cho đơn vị phát triển tài năng nhìn nhận các quy trình phần mềm nội bộ rõ rộng so với những kỹ thuật phân tích dữ liệu khác. Khắc chế sự cầm cố và sửa lỗi cũng trở thành dễ dàng rộng do các phép toán ít phức hợp hơn.
Hồi quy logistic có một số trong những ứng dụng thực tế trong nhiều ngành công nghiệp không giống nhau.
Sản xuất
Các doanh nghiệp sản xuất áp dụng phân tích hồi quy logistic để cầu tính xác suất xảy ra sự chũm ở bộ phận trong sản phẩm công nghệ móc. Sau đó, họ sẽ lên lịch duy trì dựa trên tỷ lệ đã ước tính này để bớt thiểu sự nắm trong tương lai.
Chăm sóc mức độ khỏe
Các nhà nghiên cứu y khoa lên chiến lược điều trị và quan tâm dự phòng bằng cách dự đoán kỹ năng mắc dịch ở căn bệnh nhân. Họ sử dụng các mô hình hồi quy logistic để đối chiếu tác rượu cồn của chi phí sử gia đình hoặc của cục gen lên bệnh tật.
Tài thiết yếu
Các doanh nghiệp tài chính phải phân tích các giao dịch tài thiết yếu để phòng ngừa gian lận, xem xét những đơn xin vay mượn và 1-1 bảo hiểm để dự phòng rủi ro. Những vụ việc này tương xứng với quy mô hồi quy logistic bởi vì chúng có hiệu quả cụ thể, ví dụ điển hình như rủi ro khủng hoảng cao hoặc khủng hoảng rủi ro thấp và gian lận hoặc không khí lận.
Bộ phận Tiếp thị
Các điều khoản quảng cáo trực con đường sử dụng quy mô hồi quy logistic để dự đoán xem người tiêu dùng sẽ nhấp vào một quảng cáo tuyệt không. Công dụng là, các nhà tiếp thị có thể phân tích phản nghịch ứng của người dùng đối với những tự ngữ với hình hình ảnh khác nhau, tạo nên các quảng cáo công suất cao có chức năng thu hút khách hàng.
Hồi quy logistic là một trong số ít những kỹ thuật so với hồi quy khác nhau thường được các nhà khoa học dữ liệu sử dụng trong đồ vật học (ML). Để nắm rõ về hồi quy logistic, trước tiên bọn họ phải hiểu kỹ thuật đối chiếu hồi quy cơ bản. Dưới đó là một lấy ví dụ về đối chiếu hồi quy đường tính để cho biết cách thức hoạt động của phân tích hồi quy.
Xác định câu hỏi
Bất kỳ quy trình phân tích dữ liệu nào cũng ban đầu bằng một thắc mắc kinh doanh. Đối với hồi quy logistic, bạn nên giới hạn phạm vi thắc mắc để bao gồm được tác dụng cụ thể:
hầu như ngày mưa có ảnh hưởng đến doanh thu hàng mon của họ không? (có hoặc không) người sử dụng đang thực hiện loại chuyển động thẻ tín dụng nào? (ủy quyền, ăn gian hoặc có công dụng gian lận)Thu thập dữ liệu lịch sử hào hùng
Sau khi xác định câu hỏi, chúng ta cần xác minh các yếu hèn tố tài liệu có liên quan. Sau đó, bạn sẽ thu thập dữ liệu trước đó cho tất cả các yếu tố. Ví dụ: để trả lời thắc mắc đầu tiên nghỉ ngơi trên, chúng ta cũng có thể thu thập dữ liệu doanh số hàng tháng cùng số ngày mưa mỗi tháng trong ba năm qua.
Đào tạo mô hình phân tích hồi quy
Bạn sẽ xử lý dữ liệu lịch sử bằng ứng dụng hồi quy. ứng dụng sẽ xử lý các điểm dữ liệu khác biệt và kết nối chúng theo cách làm toán học bằng cách sử dụng phương trình. Ví dụ: nếu số ngày mát mẻ trong ba tháng là 3, 5 với 8 còn doanh số trong những tháng đó là 8, 12 với 18, thuật toán hồi quy sẽ kết nối những yếu tố này với phương trình:
Doanh số = 2*(Số ngày mưa) + 2
Dự đoán những giá trị không xác định
Đối với các giá trị ko xác định, phần mềm sẽ áp dụng phương trình để dự đoán. Nếu như khách hàng biết rằng mon 7 sẽ có sáu ngày mưa, phần mềm sẽ mong tính giá trị doanh số vào thời điểm tháng 7 là 14.
Để làm rõ về quy mô hồi quy logistic, trước tiên bọn họ phải hiểu những phương trình với biến.
Phương trình
Trong toán học, phương trình cho ta mối quan hệ giữa nhì biến: x cùng y. Bạn có thể sử dụng những phương trình hoặc hàm này để vẽ vật thị theo trục x và trục y bằng phương pháp nhập các giá trị không giống nhau của x cùng y. Ví dụ: nếu khách hàng vẽ đồ dùng thị mang lại hàm y = 2*x, bạn sẽ có một mặt đường thẳng như hình bên dưới đây. Do đó hàm này nói một cách khác là hàm đường tính.
Biến
Trong thống kê, trở nên là những yếu tố dữ liệu hoặc thuộc tính có mức giá trị khác nhau. Ngẫu nhiên phân tích nào cũng có một số trở nên nhất định là biến tự do hoặc thay đổi giải thích. Số đông thuộc tính này là lý do của một kết quả. Các biến không giống là biến nhờ vào hoặc trở thành đáp ứng; quý giá của chúng nhờ vào vào những biến độc lập. Chú ý chung, hồi quy logistic mày mò cách các biến độc lập ảnh hưởng đến một thay đổi phụ thuộc bằng cách xem xét những giá trị dữ liệu lịch sử dân tộc của cả nhì biến.
Xem thêm: Truyền Hình Viettel 4K - Đầu Thu Viettel Hàng Xịn, Giá Sốc, Chất Từng Đồng
Trong ví dụ sinh sống trên của chúng tôi, x được call là biến đổi độc lập, biến dự kiến hoặc biến lý giải vì nó tất cả một quý giá đã xác định. Y được gọi là thay đổi phụ thuộc, biến tác dụng hoặc biến đáp ứng nhu cầu vì giá chỉ trị của chính nó không xác định.
Hàm hồi quy logistic
Hồi quy logistic là một quy mô thống kê thực hiện hàm logistic, hay hàm logit vào toán học làm cho phương trình giữa x với y. Hàm logit ánh xạ y có tác dụng hàm sigmoid của x.
Nếu vẽ phương trình hồi quy logistic này, bạn sẽ có một mặt đường cong hình chữ S như hình bên dưới đây.
Như bạn có thể thấy, hàm logit chỉ trả về các giá trị giữa 0 với 1 cho biến phụ thuộc, dù cực hiếm của biến hòa bình là gì. Đây là giải pháp hồi quy logistic mong tính cực hiếm của biến chuyển phụ thuộc. Phương thức hồi quy logistic cũng lập mô hình phương trình giữa những biến độc lập và một đổi thay phụ thuộc.
Phân tích hồi quy logistic với nhiều biến tự do
Trong các trường hợp, nhiều đổi mới giải thích tác động đến giá trị của đổi thay phụ thuộc. Để lập quy mô các tập dữ liệu đầu vào như vậy, bí quyết hồi quy logistic phải giả định mối quan hệ tuyến tính giữa những biến độc lập khác nhau. Bạn có thể sửa đổi hàm sigmoid và đo lường biến đầu ra sau cuối như sau
y = f(β0 + β1x1 + β2x2+… βnxn)
Ký hiệu β đại diện cho hệ số hồi quy. Quy mô logit có thể đảo ngược tính toán các giá chỉ trị hệ số này khi chúng ta cho nó một tập tài liệu thực nghiệm đủ to có những giá trị đã xác định của cả nhì biến dựa vào và thay đổi độc lập.
Log của tỷ số odds
Mô hình logit cũng hoàn toàn có thể xác định tỷ số thành công xuất sắc trên thua kém hay log của tỷ số odds. Ví dụ: nếu khách hàng đang chơi poker với đồng đội và thắng tứ ván bên trên mười ván, tỷ số chiến thắng của các bạn là tư phần sáu, hoặc 4/6, và sẽ là tỷ số thành công xuất sắc trên chiến bại của bạn. Khía cạnh khác, xác suất thắng là 4/10.
Về mặt toán học, tỷ số odds về mặt xác suất của doanh nghiệp là p/(1 - p) cùng log của tỷ số odds là log (p/(1 - p)). Bạn có thể biểu diễn hàm logistic bằng log của tỷ số odds như hình dưới đây:
Phân tích hồi quy logistic bao gồm loại nào?
Có tía cách tiếp cận phân tích hồi quy logistic dựa trên công dụng của vươn lên là phụ thuộc.
Hồi quy logistic nhị phân
Hồi quy logistic nhị phân phù hợp với các vấn đề phân lớp nhị phân chỉ tất cả hai kết quả rất có thể xảy ra. Biến nhờ vào chỉ có thể có hai giá trị, chẳng hạn như có với không hoặc 0 và 1.
Dù hàm logistic giám sát và đo lường một phạm vi quý hiếm giữa 0 với 1, mô hình hồi quy nhị phân vẫn sẽ làm tròn hiệu quả đến những giá trị ngay gần nhất. Nói chung, tác dụng dưới 0,5 sẽ được gia công tròn thành 0 và hiệu quả trên 0,5 sẽ được gia công tròn thành 1, do đó hàm logistic trả về một kết quả nhị phân.
Hồi quy logistic nhiều thức
Hồi quy nhiều thức hoàn toàn có thể phân tích những vấn đề có một số kết quả có thể xảy ra, miễn là số công dụng hữu hạn. Ví dụ: nghệ thuật này hoàn toàn có thể dự đoán xem giá nhà đất sẽ tăng 25%, 50%, 75% tuyệt 100% dựa vào dữ liệu dân số, nhưng sẽ không còn thể dự đoán được giá bán trị đúng đắn của một ngôi nhà.
Hồi quy logistic đa thức hoạt động bằng phương pháp ánh xạ những giá trị hiệu quả cho những giá trị khác biệt giữa 0 và 1. Hàm logistic có thể trả về một khoảng tầm dữ liệu liên tục như 0,1, 0,11, 0,12, v.v., vì thế hồi quy đa thức cũng nhóm áp sạc ra đến những giá trị ngay sát nhất hoàn toàn có thể có.
Hồi quy logistic trang bị tự
Hồi quy logistic trang bị tự, hay mô hình logit gồm thứ tự, là một trong loại hồi quy nhiều thức đặc biệt cho các vấn đề trong các số đó các số thay mặt đại diện cho những bậc chứ không phải là quý giá thực tế. Ví dụ: bạn sẽ sử dụng hồi quy lắp thêm tự để tham dự đoán đáp án cho câu hỏi khảo tiếp giáp yêu mong khách hàng đánh giá dịch vụ của công ty ở mức kém, ổn, xuất sắc hoặc xuất sắc dựa vào một cực hiếm số, chẳng hạn như số lượng sản phẩm họ cài đặt từ bạn trong năm.
Hai kỹ thuật phân tích dữ liệu thịnh hành là phân tích hồi quy tuyến tính và học sâu.
Phân tích hồi quy tuyến đường tính
Như đã giải thích ở trên, hồi quy con đường tính lập mô hình mối quan hệ nam nữ giữa những biến dựa vào và tự do bằng tổng hợp tuyến tính. Phương trình hồi quy đường tính là
y= β0X0 + β1X1 + β2X2+… βnXn+ ε, trong các số đó β1 mang đến βn cùng ε là những hệ số hồi quy.
Hồi quy logistic đối với hồi quy tuyến đường tínhHồi quy tuyến đường tính dự kiến một biến phụ thuộc liên tục bởi một tập hợp các biến độc lập cho trước. Một biến chuyển liên tục hoàn toàn có thể có một phạm vi giá bán trị, ví dụ điển hình như túi tiền hoặc độ tuổi. Bởi vì đó, hồi quy tuyến đường tính hoàn toàn có thể dự đoán giá trị thực của trở nên phụ thuộc. Nghệ thuật này có thể trả lời các câu hỏi như "Giá gạo sau 10 năm nữa đã là bao nhiêu?"
Không y hệt như hồi quy đường tính, hồi quy logistic là 1 trong thuật toán phân loại. Kỹ thuật này không thể dự đoán giá trị đích thực cho dữ liệu liên tục. Nghệ thuật này có thể trả lời các câu hỏi như "Liệu giá gạo trong 10 năm nữa gồm tăng 1/2 hay không?"
Deep learning
Học sâu thực hiện mạng nơ-ron hoặc những thành phần phần mềm mô phỏng khối óc con fan để so với thông tin. Những phép toán học tập sâu dựa vào khái niệm toán học tập của vectơ.
Hồi quy logistic so với học tập sâuHồi quy logistic ít phức hợp và bao gồm cường độ năng lượng điện toán ít hơn so với học tập sâu. đặc biệt quan trọng hơn là nhà trở nên tân tiến không thể điều tra hoặc sửa đổi những phép toán học tập sâu vị tính chất phức hợp và dựa vào máy móc của chúng. Khía cạnh khác, các phép toán hồi quy logistic lại khác nhau và dễ dàng khắc phục sự cố hơn.
Bạn có thể chạy hồi quy logistic trên tamquocafk.vn bằng tamquocafk.vn SageMaker. SageMaker là 1 trong dịch vụ lắp thêm học (ML) được thống trị hoàn toàn, có những thuật toán tích hợp mang đến hồi quy đường tính và hồi quy logistic, trong các những gói ứng dụng thống kê khác.
những nhà khoa học dữ liệu đều có thể sử dụng SageMaker để chuẩn bị, xây dựng, giảng dạy và xúc tiến các mô hình hồi quy logistic một cách nhanh chóng. SageMaker sa thải các các bước nặng nhọc của từng bước trong quá trình hồi quy logistic sẽ giúp phát triển những mô hình rất tốt dễ dàng hơn. SageMaker cung cấp tất cả những thành phần cần có cho quy trình hồi quy logistic trong một bộ điều khoản duy nhất, giúp bạn có thể sản xuất các quy mô nhanh hơn, dễ dãi hơn cùng tiết kiệm túi tiền hơn.Bắt đầu sử dụng hồi quy logistic bằng phương pháp tạo tài khoản tamquocafk.vn ngay hôm nay.
