Recently I was working on some logi

Recently I was working on some logistic regression code and during my research I was a bit confused by the terminology. Logistic regression is a technique that generates a magic equation which can be used to predict an outcome that can be 0 or 1. For example, the Wikipedia entry on logistic regression has a medical example where independent variables x1=age, x2=sex (male/female), and x3=cholesterol-level are used to predict dependent variable death (0/1). Logistic regression assumes data follows an equation death = 1 / (1 + exp(-z)), where z = b0 + b1x1 + b2x2 + b3x3. If you have a set of training data the problem boils down to finding the values of b0, b1, b2, b3 that best fit your data, meaning the values that produce the least error. There are many ways to go about finding the bi values. One of the most common is called the method of iteratively reweighted least squares (IRLS). IRLS assumes that you defined error as the sum of the squared differences between the actual (in the training data) dependent variable values and the expected (by the equation) dependent variable values. Now there are several specific numerical algorithms that can be used to solve an IRLS problem. One of the most common algorithms is called the Newton-Raphson, or just Newton’s, method. Newton-Raphson involves finding the calculus derivative of a function. When used with multiple equations, like in the case of logistic regression, this involves finding the inverse of a matrix. So, to summarize, iteratively reweighted least squares is sort of a conceptual approach for finding the best parameters for logistic regression, and Newton-Raphson is a specific numeric algorithm that can be used with IRLS.

ผลลัพธ์ (ไทย) 1:

เมื่อเร็ว ๆ นี้ผมทำงานในบางรหัสถดถอยโลจิสติก และในระหว่างการวิจัยของฉัน ฉันได้บิตสับสน โดยคำศัพท์ ถดถอยโลจิสติกเป็นเทคนิคที่สร้างสมการวิเศษที่สามารถใช้ทำนายผลที่เป็น 0 หรือ 1 ตัวอย่าง วิกิพีเดียรายการในการถดถอยโลจิสติกมีตัวอย่างทางการแพทย์เป็นอิสระตัวแปร x 1 =อายุ x 2 =เพศ (ชาย/หญิง), และ x 3 =ระดับไขมันที่ใช้ในการทำนายตัวแปรขึ้นอยู่กับความตาย (0/1) ถดถอยโลจิสติกถือข้อมูลดังต่อไปนี้เป็นสมการตาย = 1 / (1 + exp(-z)) ที่ z = b0 + b1x1 + b2x2 + b3x3 ถ้าคุณมีชุดของข้อมูลการฝึกอบรม ปัญหาเดือดลงในการหาค่า b0, b1, b2, b3 ที่เหมาะสมกับข้อมูลของคุณ หมายถึง ค่าที่ทำให้เกิดข้อผิดพลาดน้อยที่สุด มีหลายวิธีการหาค่า bi หนึ่งที่บ่อยที่สุดคือวิธีกำลังสองน้อยที่สุด reweighted ซ้ำ ๆ (IRLS) IRLS สมมติว่า คุณกำหนดข้อผิดพลาดเป็นผลรวมของผลต่างกำลังสองระหว่างค่าจริง (ในข้อมูลการฝึกอบรม) ขึ้นอยู่กับตัวแปรและค่าตัวแปรขึ้นอยู่กับที่คาดไว้ (ตามสมการ) ขณะนี้ มีหลายเฉพาะแทนอัลกอริทึมที่ใช้เพื่อแก้ปัญหาการ IRLS หนึ่งของอัลกอริทึมแบบทั่วไปจะเรียกว่านิวตัน-Raphson หรือเพียงของนิวตัน วิธี นิวตัน Raphson เกี่ยวข้องกับการหาอนุพันธ์แคลคูลัสของฟังก์ชัน เมื่อใช้สมการหลาย เช่นในกรณีของการถดถอยโลจิสติก ซึ่งเกี่ยวข้องกับการหาตัวผกผันของเมทริกซ์ ดังนั้น สรุป กำลังสองน้อยสุด reweighted ซ้ำ ๆ เป็นจัดเรียงของวิธีการแนวคิดในการหาพารามิเตอร์ดีที่สุดสำหรับการถดถอยโลจิสติก และนิวตัน-Raphson ขั้นตอนวิธีตัวเลขเฉพาะที่ใช้กับ IRLS

ผลลัพธ์ (ไทย) 2:

เร็ว ๆ นี้ผมได้ทำงานในบางรหัสการถดถอยโลจิสติกและในระหว่างการวิจัยของฉันฉันเป็นบิตสับสนโดยคำศัพท์ การถดถอยโลจิสติกเป็นเทคนิคที่สร้างสมเวทมนตร์ที่สามารถใช้ในการทำนายผลที่สามารถเป็น 0 หรือ 1 ตัวอย่างเช่นรายการวิกิพีเดียถดถอยโลจิสติมีตัวอย่างทางการแพทย์ที่ตัวแปรอิสระ x1 = อายุ x2 = มีเพศสัมพันธ์ (ชาย / หญิง) และ x3 = คอเลสเตอรอลในระดับที่ใช้ในการทำนายการตายตัวแปรตาม (0/1) ถดถอยโลจิสติถือว่าข้อมูลดังต่อไปนี้การตายของสมการ = 1 / (1 + ประสบการณ์ (-z)) ที่ Z = b0 + b1x1 + b2x2 + b3x3 หากคุณมีชุดของข้อมูลการฝึกอบรมปัญหาเดือดลงไปหาค่าของ b0, B1, B2, B3 ที่ดีที่สุดเหมาะสมข้อมูลของคุณหมายถึงค่าที่ผลิตข้อผิดพลาดน้อยที่สุด มีหลายวิธีที่จะไปเกี่ยวกับการหาค่าสองเป็น หนึ่งที่พบมากที่สุดที่เรียกว่าวิธีการ reweighted ซ้ำสองน้อยที่สุด (IRLS) IRLS อนุมานว่าคุณกำหนดข้อผิดพลาดเป็นผลรวมของความแตกต่างระหว่างสองที่เกิดขึ้นจริง (ในข้อมูลการฝึกอบรม) ค่าตัวแปรตามและคาด (โดยสมการ) ค่าตัวแปรตาม ขณะนี้มีขั้นตอนวิธีเชิงตัวเลขหลายเฉพาะที่สามารถนำมาใช้ในการแก้ปัญหา IRLS หนึ่งในขั้นตอนวิธีการที่พบมากที่สุดที่เรียกว่านิวตันราฟสันหรือเพียงแค่นิวตัน, วิธีการ นิวตันราฟสันเกี่ยวข้องกับการหาอนุพันธ์แคล​​คูลัสของฟังก์ชั่น เมื่อใช้กับสมการหลายอย่างเช่นในกรณีของการถดถอยโลจิสติกนี้เกี่ยวข้องกับการหาค่าผกผัน ดังนั้นเพื่อสรุปสี่เหลี่ยมน้อย reweighted ซ้ำคือการจัดเรียงของวิธีการแนวความคิดในการหาค่าพารามิเตอร์ที่ดีที่สุดสำหรับการถดถอยโลจิสติกและนิวตันราฟสันเป็นอัลกอริทึมที่เป็นตัวเลขเฉพาะที่สามารถใช้กับ IRLS

ผลลัพธ์ (ไทย) 3:

เมื่อเร็วๆนี้ฉันกำลังถดถอยโลจิสติกบางรหัส และในระหว่างการวิจัยของฉันฉันเป็นบิตสับสนโดยศัพท์ ถดถอยโลจิสติกเป็นเทคนิคที่สร้างสมการวิเศษที่สามารถใช้ทำนายผลที่ได้เป็น 0 หรือ 1 ตัวอย่าง รายการวิกิพีเดียในถดถอยโลจิสติกมีการแพทย์ตัวอย่างเช่นตัวแปรอิสระ x1 = x2 = อายุ เพศ ( ชาย / หญิง )และระดับคอเลสเตอรอล x3 = ทำนายความตายตัวแปรตาม ( 0 / 1 ) ข้อมูลดังต่อไปนี้เป็นสมการถดถอยโลจิสติกถือว่าความตาย = 1 / ( 1 exp ( - Z ) ) โดยที่ Z = B0 b1x1 b2x2 b3x3 . ถ้าคุณมีชุดของการฝึกอบรมข้อมูลปัญหา boils ลงเพื่อหาค่าของ B0 , B1 , B2 , B3 ที่เหมาะสมที่สุดกับข้อมูลของคุณ ความหมาย คุณค่า ที่ผลิตผิดพลาดน้อยที่สุดมีหลายวิธีที่จะไปเกี่ยวกับการค้นหาบีค่า หนึ่งที่พบมากที่สุดเรียกว่าวิธีการซ้ำ reweighted Least Squares ( ไอริส ) ไอริสสันนิษฐานว่าคุณกำหนดข้อผิดพลาดขณะที่ผลรวมของกำลังสองความแตกต่างที่เกิดขึ้นจริง ( ข้อมูลการฝึกอบรม ) ตัวแปรและค่าคาดหวัง ( สมการ ) ค่าตัวแปรตามตอนนี้ มีหลายที่เฉพาะเจาะจงเชิงตัวเลขขั้นตอนวิธีที่สามารถใช้เพื่อแก้ปัญหาไอริส . หนึ่งของขั้นตอนวิธีทั่วไปเรียกว่า นิวตันราฟสัน หรือ นิวตัน , วิธีการ นิวตัน ราฟสัน เกี่ยวข้องกับการหา แคลคูลัส อนุพันธ์ของฟังก์ชัน เมื่อใช้กับสมการหลาย เช่นในกรณีของการถดถอยโลจิสติก นี้เกี่ยวข้องกับการผกผันของเมทริกซ์ ดังนั้น สรุปซ้ำ reweighted อย่างน้อยเป็นวิธีปฏิบัติที่ดีที่สุดสำหรับการหาค่าพารามิเตอร์ถดถอยโลจิสติกและนิวตันราฟสันเป็นเลขเฉพาะขั้นตอนวิธีที่สามารถใช้กับไอริส .