Kauen auf logistischer Regression
In diesem Artikel analysieren wir die theoretischen Berechnungen zur Transformation einer linearen Regressionsfunktion in eine inverse Logit-Transformationsfunktion (mit anderen Worten eine logistische Antwortfunktion). Anschließend leiten wir mithilfe des Arsenals der Maximum-Likelihood-Methode gemäß dem logistischen Regressionsmodell die logistische Verlustfunktion ab, oder mit anderen Worten, wir definieren die Funktion, mit der die Parameter des Gewichtsvektors in der Logistik ausgewählt werden Regressionsmodell […]