ロジスティック回帰

ウィキペディア

ロジスティック回帰

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2024/08/22 15:40 UTC 版)

統計学
回帰分析
モデル
線形回帰 線形単回帰 多項式回帰 一般線形モデル
一般化線形モデル 離散選択 ロジスティック回帰 多項ロジット 混合ロジット プロビット 多項プロビット 順序ロジット 順序プロビット ポアソン
多水準モデル 固定効果 変量効果 混合モデル
非線形回帰 ノンパラメトリック セミパラメトリック ロバスト 分位点 等調 主成分 最小角度 局所 折れ線
変数誤差
推定
最小二乗法 線形 非線形
普通 加重 一般化
部分 総最小二乗法 非負 リッジ回帰 正則化
最小絶対偏差 繰返し加重 ベイズ ベイズ多変量
背景
回帰検証 平均応答と予測応答 誤差と残差 適合度 スチューデント化残差 ガウス＝マルコフの定理
表 話 編 歴

ロジスティック回帰（ロジスティックかいき、英: Logistic regression）は、ベルヌーイ分布に従う変数の統計的回帰モデルの一種である。連結関数としてロジットを使用する一般化線形モデル (GLM) の一種でもある。1958年にデイヴィッド・コックスが発表した。確率の回帰であり、統計学の分類に主に使われる。医学や社会科学でもよく使われる。

モデルは同じく1958年に発表された単純パーセプトロンと等価であるが、scikit-learnなどでは、パラメータを決める最適化問題で確率的勾配降下法を使用する物をパーセプトロンと呼び、座標降下法や準ニュートン法などを使用する物をロジスティック回帰と呼んでいる。

概要

ロジスティック回帰モデルは以下のような形式である。x が入力で、pが確率（出力）、αとβがパラメータ。

$\operatorname {logit} (p_{i})=\ln \left({\frac {p_{i}}{1-p_{i}}}\right)=\alpha +\beta _{1}x_{1,i}+\cdots +\beta _{k}x_{k,i},$

出典は列挙するだけでなく、脚注などを用いてどの記述の情報源であるかを明記してください。 記事の信頼性向上にご協力をお願いいたします。（2018年12月）

• Agresti, Alan, Categorical Data Analysis, 2nd ed., New York: Wiley-Interscience, 2002, ISBN 0-471-36093-7.
• Amemiya, T., Advanced Econometrics, Harvard University Press, 1985, ISBN 0-674-00560-0.
• Balakrishnan, N., Handbook of the Logistic Distribution, Marcel Dekker Inc., 1991, ISBN 0824785878.
• Green, William H., Econometric Analysis, fifth edition, Prentice Hall, 2003, ISBN 0-13-066189-9.
• Hosmer, David W. and Stanley Lemeshow, Applied Logistic Regression, 2nd ed., New York; Chichester, Wiley, 2000, ISBN 0-471-35632-8.

関連項目

• ニューラルネットワーク
• データマイニング
• 判別分析
• パーセプトロン
• 線形分類器

外部リンク

• Web-based logistic regression calculator
• 「ロジスティック回帰分析」入門 鳥居稔（大阪大学）

ウィキペディア小見出し辞書

ロジスティック回帰

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/02/10 08:10 UTC 版)

「予測分析」の記事における「ロジスティック回帰」の解説

詳細は「ロジスティック回帰」を参照 分類の設定では、観測結果を結果確率に割り当てるには、ロジスティック・モデル（ロジック・モデルとも呼ばれる）を使用する。ロジスティック・モデルは、バイナリ従属変数に関する情報を、無制限の連続変数に変換し、通常の多変量モデルを推定する。 ワルド検定（英語版）と尤度比検定は、モデル内の各係数bの統計的有意性を検定するために使用される（OLS回帰で使用されるt検定に類似している。上記参照）。分類モデルの適合度を評価する検定は、「正しく予測されたパーセンテージ」である。