Предположим, у нас есть следующая модель логистической регрессии:
Является ли вероятностью события, когда и ? Другими словами, это вероятность события, когда и находятся на самых низких уровнях (даже если это не 0)? Например, если и принимают только значения и мы не можем установить их в 0.x 1 = 0 x 2 = 0 x 1 x 2 x 1 x 2 2 3
logistic
interpretation
intercept
logisticgu
источник
источник
Ответы:
x 1 = x 2 = 0 x 1 = x 2 = 0β0 - это не шансы события, когда , это журнал шансов . Кроме того, это логарифмические шансы только тогда, когда , а не когда они имеют самые низкие ненулевые значения. x1=x2=0 x1=x2=0
источник
Также может быть случай, когда и не могут быть равны одновременно. В этом случае не имеет четкой интерпретации.х 2 0 β 0x1 x2 0 β0
В противном случае имеет интерпретацию - он смещает журнал шансов к своему фактическому значению, если ни одна переменная не может этого сделать.β0
источник
$x^{2}$
производит и производитβ 0$\beta_0$
Я предлагаю посмотреть на это по-другому ...
В логистической регрессии мы предсказываем некоторый двоичный класс {0 или 1}, вычисляя вероятность правдоподобия, которая является фактическим выводом .logit(p)
Это, конечно, предполагает, что лог-шансы могут быть разумно описаны линейной функцией - например,β0+β1x1+β2x2+⋯
... Это большое предположение, и только иногда это верно. Если эти компоненты не имеют независимого, пропорционального влияния на коэффициенты входа, то лучше выбрать другую статистическую структуру. То есть log-odds состоит из некоторого фиксированного компонента и увеличивается с каждым последующим слагаемым .xi β0 βixi
Короче говоря, значение является «фиксированным компонентом» этого компонентного метода для описания лог-шансов любого события / условия, которое вы пытаетесь предсказать. Также помните, что регрессия в конечном итоге описывает некоторое условное среднее, учитывая набор значений . Ни одна из этих вещей не требует, чтобы значения равны 0 в ваших данных или даже возможны в реальности. просто смещается , что линейное выражение вверх или вниз так , что компоненты переменных являются наиболее точными.β0 xi xi β0
Может быть, я сказал то же самое в несколько ином мышлении, но я надеюсь, что это поможет ...
источник