对数赔率在逻辑回归中的作用

对数赔率在逻辑回归中的作用

简介

逻辑回归是一种统计方法,根据一个或多个独立变量之间的关系来预测因果数据变量。它利用对数几率,在逻辑函数的帮助下,预测事件发生的概率。它是一种分类方法。

什么是对数概率,为什么它们对逻辑回归有用

Logistic回归是用来预测二元结果的。例如,在选举中,候选人是否会获胜,短信是垃圾邮件还是火腿,等等。

赔率是指成功与失败的概率之比。它的定义为

对数赔率在逻辑回归中的作用

其中p=成功的概率,1-p=失败的概率

赔率的对数将由以下公式给出

对数赔率在逻辑回归中的作用

对数赔率在逻辑回归中的作用

上述公式(1)是对数函数,表示为

对数赔率在逻辑回归中的作用

将此方程拟合到一条直线上,我们得到

对数赔率在逻辑回归中的作用

失败的几率可写为

对数赔率在逻辑回归中的作用

对数赔率可以写成

对数赔率在逻辑回归中的作用

这就是逻辑回归的方程。

Python中的赔率实例

让我们来看看以下数据。

country1 country2
cheetah 8 2
lion 1 5

示例

from scipy.stats import fisher_exact as fe 
odds_ratio, p_value = fe([[8, 2], [1, 5]]) 
print(odds_ratio)

输出

20.0

对数赔率的优势

  • 对数赔率将基于概率的Logistic回归模型转换为基于概率的模型。

  • Logistic回归的参数是由最大似然估计(MLE)确定的

  • 它们在解决赢或输、欺诈或不欺诈、跨度不跨度等场景的问题上非常有用。

总结

当我们想要一个非二进制的结果时,Logistic回归中使用了对数赔率。对数赔率使Logistic回归在回归和分类模型中都能发挥作用。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程