Kapitel 16. Logistische Regression
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
In diesem Kapitel werden zwei verwandte Themen vorgestellt: Log Odds und logistische Regression.
In "Die Bayes'sche Regel" haben wir den Satz von Bayes in Form von Quoten umgeschrieben und die Bayes'sche Regel abgeleitet, die einebequeme Möglichkeit ist, eine Bayes'sche Aktualisierung auf dem Papier oder in deinem Kopf durchzuführen. In diesem Kapitel sehen wir uns die Bayes-Regel auf einer logarithmischen Skala an, die uns einen Einblick gibt, wie wir durch aufeinanderfolgende Aktualisierungen Beweise ansammeln.
Das führt direkt zur logistischen Regression, die auf einem linearenModell der Beziehung zwischen Beweisen und den logarithmischen Wahrscheinlichkeiten einer Hypothese basiert. Als Beispiel werden wir Daten aus dem Space Shuttle verwenden, um den Zusammenhang zwischen der Temperatur und der Wahrscheinlichkeit von Schäden an den O-Ringen zu untersuchen.
Als Übung hast du die Möglichkeit, den Zusammenhang zwischen dem Alter eines Kindes bei der Einschulung und der Wahrscheinlichkeit, dass bei ihm eine Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) diagnostiziert wird, zu modellieren.
Log Quoten
Als ich an der Uni war, meldete ich mich für einen Kurs über die Theorie der Computation an. Am ersten Tag der Vorlesung war ich der Erste, der kam. Ein paar Minuten später kam ein anderer Student dazu.
Get Think Bayes, 2. Auflage now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
