جزوه رگرسیون لجستیک در پاورپوینت

جزوه رگرسیون لجستیک

رگرسیون لجستیک ، Logistic Regression یک جزوه که در سایت دانشکده ها با فرمت پاورپوینت

در 25 اسلاید تهیه و تنظیم شده است

برای دانلود این مقاله دانشجویی میبایست هزینه ای را پرداخت کنید تا بتوانید فایل کامل این تحقیق رگرسیون لجستیک را دانلود کنید

ما بطور نمونه این مقاله کوتاه را در قسمت پایین برای کاربران عزیز قرار می دهیم

جزوه رگرسیون لجستیک

lبر خلاف نامش این روش برای دسته بندی مورد استفاده قرار میگیرد نه رگراسیون.

lبرای حالت K = 2 این مدل بسیار ساده بوده و از یک تابع خطی بهره می جوید.

lبردار ورودی بصورت < X1 … Xn > و بردارخروجی Y بولین در نظر گرفته میشود.

lتمام Xi ها از Y مستقل فرض شده و مقدار P(Xi | Y = yk) گوسی در نظر گرفته میشود. N(μik,σi)

lهمچنین توزیع P(Y) بصورت برنولی در نظر گرفته میشود.

ایده اصلی جزوه رگرسیون لجستیک دسته بندی کننده بیزی برای محاسبه P(Y|X) لازم دارد تا مقادیر P(Y)  و P(X|Y) را یاد بگیرد.

چرا مستقیما P(Y|X) یاد گرفته نشود؟

لجستیک رگراسیون مقدار احتمال فوق را محاسبه میکند.

دسته بندی کننده بیزی یک دسته بندی مولد است در حالیکه لجستیک رگراسیون  یک دسته بندی کننده discriminative است.

مقایسه با رگراسیون خطی

lبرای مدل کردن متغیرهائی که مقادیر محدودی به خود میگیرند بهتر از رگراسیون خطی عمل میکند زیرا مدل خطی هر مقداری را در خروجی تولید میکند درحالی که برای چنین متغیرهائی مقادیر محدودی مورد نیاز است.

lدر رگراسیون خطی مقدار متغیر مورد نظر از ترکیب خطی متغیرهای مستقل بدست می آید در حالیکه در لجستیک رگراسیون از ترکیب خطی تابع logit استفاده میشود.

lدر رگراسیون خطی پارامترها به روش least squares بدست می آیند در حالیکه این روش برای لجستیک رگراسیون فاقد کارائی بوده و از روش maximum likelihood estimation برای پیدا کردن پارامترها استفاده میشود.

logistic function

lمقدار این تابع و مشتق آن توسط روابط زیر تعریف میشود:

احتمال تعلق به دسته ها

احتمال تعلق به هر دسته را میتوان بصورت تابع لجستيک در نظر گرفت:

ضرایب w با استفاده از gradient ascent تعیین میشود.

lبرای مقادیر پیوسته رابطه بصورت زیر است