ロジスティック回帰

ロジスティック回帰とは

予測したい変数Yが[0,1]の2値のときに、Yが[1]になる確率P1を推定するモデル。教師あり学習の、分類問題に使用する。

• データがどのクラスに属するかを予測・分類する。
  （i.g. ある顧客が商品を買うか買わないかを識別する。）
• 注目する出来事が発生する確率を予測する。
  （i.g. ある顧客が何％の確率で商品を買うか予測する。）

線形回帰との違い

線形回帰は、各特徴量（数値）から予測したい数値を返す。

一方、ロジスティック回帰は、各特徴量（数値）から[0, 1]の2値で返す。

ロジスティック回帰の仕組み

主に線形回帰を元に立てられている。

Y = α + β_1 x_1 + β_2 x_2 + … + β_k x_k

しかし、問題点としてYが-∞ ~ ∞まで値をとってしまう。

そこで、Pi(0~1)に変換するためには以下のような式にする。

Y = log(Pi / 1-Pi )

シグモイド関数

参考

+ +