In order to estimate the score func

In order to estimate the score function parameters over Ω∗,
we use the data on hand of the two subpopulations. The use of
customer subpopulation Ω data aims to moderate the small size
of the subpopulation Ω∗ of non customers, by supposing the
existence of hidden links between the distribution of variables
over Ω and that over Ω∗.
It’s known from [20] as well as [18] that existence of particular
connections between the variables distributions lead to
relations between the parameters of their respective logistic
regression models, consequently our task consists in finding
these links. In this context a preliminary case study was
successfully done in Gaussian multivariate case [19]. It is a
question here of extending the found results in Gaussian case
to logistic case, which leads to simple and parsimonious linking
models between the parameters of logistic classification
rules associated respectively to the two subpopulations Ω and
Ω∗.

ผลลัพธ์ (ไทย) 1:

การประมาณพารามิเตอร์ฟังก์ชันคะแนนผ่านΩ∗เราใช้ข้อมูลในมือของ subpopulations สอง การใช้ข้อมูลลูกค้า subpopulation Ωมีวัตถุประสงค์เพื่อบรรเทาขนาดเล็กของΩ∗ subpopulation ไม่ใช่ลูกค้า โดยถ้าการซ่อนการเชื่อมโยงระหว่างการแจกแจงของตัวแปรที่มีอยู่Ωและที่ผ่านΩ∗ก็ได้รู้จักกัน [20] และ [18] ที่มีอยู่โดยเฉพาะเชื่อมต่อระหว่างการกระจายของตัวแปรที่นำไปสู่ความสัมพันธ์ระหว่างพารามิเตอร์ของการเกี่ยวข้องโลจิสติกแบบจำลองถดถอย ดังนั้นงานของเราประกอบด้วยในการค้นหาเชื่อมโยงเหล่านี้ ในบริบทนี้ เป็นกรณีศึกษาเบื้องต้นเสร็จเรียบร้อยแล้วในกรณีตัวแปรพหุ Gaussian [19] มันเป็นการคำถามที่นี่ของขยายผลพบในกรณี Gaussianกรณีโลจิสติก ซึ่งนำไปสู่การเชื่อมโยงง่าย และ parsimoniousรุ่นพารามิเตอร์การจัดประเภทโลจิสติกกฎที่เกี่ยวข้องกับΩ subpopulations ที่สองตามลำดับ และΩ∗

ผลลัพธ์ (ไทย) 2:

เพื่อประมาณค่าพารามิเตอร์ฟังก์ชั่นคะแนนมากกว่าΩ *
เราจะใช้ข้อมูลในมือของทั้งสองประชากร การใช้งานของข้อมูล subpopulation ลูกค้าΩมีจุดมุ่งหมายถึงปานกลางขนาดที่เล็กของsubpopulation Ω * ลูกค้าที่ไม่ใช่โดยสมมติการดำรงอยู่ของการเชื่อมโยงที่ซ่อนอยู่ระหว่างการกระจายของตัวแปรมากกว่าΩและว่าในช่วงΩ *. เป็นที่รู้จักกันจาก [20] เช่นกัน เป็น [18] การดำรงอยู่ของโดยเฉพาะอย่างยิ่งการเชื่อมต่อระหว่างตัวแปรที่นำไปสู่การกระจายความสัมพันธ์ระหว่างค่าพารามิเตอร์ของโลจิสติกของพวกเขาแต่ละรุ่นถดถอยดังนั้นงานของเราประกอบด้วยในการหาเชื่อมโยงเหล่านี้ ในบริบทนี้กรณีศึกษาเบื้องต้นได้ทำสำเร็จในกรณีหลายตัวแปรเสียน [19] มันเป็นคำถามที่นี่ในการขยายผลพบว่าในกรณีที่เสียนกับกรณีโลจิสติกซึ่งนำไปสู่การที่เรียบง่ายและประหยัดการเชื่อมโยงรูปแบบระหว่างพารามิเตอร์ของการจำแนกโลจิสติกกฎระเบียบที่เกี่ยวข้องตามลำดับทั้งสองประชากรและΩΩ *

ผลลัพธ์ (ไทย) 3:

เพื่อใช้ในการประมาณค่าฟังก์ชันคะแนนมากกว่าΩ∗
, เราใช้ข้อมูลในมือของสองสอง . การใช้ข้อมูลΩ
ลูกค้า subpopulation มีวัตถุประสงค์เพื่อบรรเทาขนาดเล็ก
ของ subpopulation Ω∗ของลูกค้าไม่ โดยสมมุติว่า
ตัวตนที่ซ่อนอยู่ในการเชื่อมโยงระหว่างการกระจายตัวของตัวแปรมากกว่าและเหนือΩ∗Ω
.
มันเป็นที่รู้จักจาก [ 20 ] รวมทั้ง [ 18 ] ที่การดำรงอยู่ของความสัมพันธ์ระหว่างตัวแปรโดยเฉพาะ

กระจายไปสู่ความสัมพันธ์ระหว่างพารามิเตอร์ของแบบจำลองการถดถอยโลจิสติกของตน
ดังนั้นงานของเราคือการหา
การเชื่อมโยงเหล่านี้ ในบริบทนี้กรณีศึกษาเบื้องต้น
เรียบร้อยแล้วเสร็จเสียนหลายตัวแปรกรณี [ 19 ] มันเป็น
คำถามนี้ขยายพบผลลัพธ์ในการโลจิสติก
กรณี ) กรณี ซึ่งทำให้ง่ายและความตระหนี่ที่เชื่อมโยงระหว่างพารามิเตอร์ของแบบจำลอง

กฎที่เกี่ยวข้องกับโลจิสติกหมวดหมู่ตามลำดับสองและสองΩ
Ω∗ .