
107
107
4.3 クラス確率推定とロジスティック「回帰」
ます。次の節では、ロジスティック回帰をデータにフィットさせるための最適な目的関数と
は厳密には何であるかについても説明します。その部分を詳しく読んでもいいですし、ざっ
と眺めるだけで構いません。重要な点は次のことです。
•
確率推定の場合、ロジスティック回帰は、分類に関する線形判別や数値の推定に関
する線形回帰と同様に、線形モデルを使う。
•
ロジスティック回帰モデルの出力値は、あるクラスである場合の
log-odds
だと解
釈することができる。
•
こうした
log-odds
は直接、クラス確率に変換できる。そのため、ロジスティック
回帰を単なるクラス確率についてのモデルだと考えることもある。読者もいままで、
そうとは気付かないまま何度もロジスティック回帰モデルに触れてきたはずである。
それらモデルは、確率を推定するために広く使われている。例えば、債権が回収不能
になる確率や、オファーへの反応確率、口座が不正利用される確率、文献がテーマに
ふさわしい確率など。
この後でロジスティック回帰をさらに詳しく解説します。さらにその後、この章で扱った
線形モデルを
3
章で扱った木構造モデルと比較します。
注意:ロジスティック回帰という不適切な名前
前に述べたように、ロジスティック回帰という名前は最新のデータサイエンスの用
語としては不適切です。分類と回帰の違いは、目的とする値が離散値か数値かの違
いでした。ロジスティック回帰の場合には、モデルは数値である推定値(log-odds ...