Logistische Regression

Beschreibung

Oft ist die Logistische regression unter der Bezeichnung Logit Modell zu finden. Bei der Logistischen Regression wird im Gegensatz zur Linearen Regression, eine Wahrscheinlichkeit, für ein Ereignis prognostiziert. Genauer, bei der linearen Regression erhalten man einen festen Wert (Bspw. Haarlänge wächst in X Tagen um Y cm). Bei der logistischen Regression erhält man eine Wahrscheinlichkeit (Bspw. Haarlänge wächst in X Tagen um Y cm zu Z %).


Theorie

Formel für das Regressionsmodell:

Um die Probleme aus dem linearen Regressionsmodell zu beseitigen, wird unter anderem folgende Verteilungsfunktion genutzt:


Umsetzung in Python


Vor- und Nachteile des Algorithmus

Vorteile:

    + Flexibler als die lineare Regression.
    + Ähnlich einfach wie die lineare Regression.

Nachteile:

    - Im Vergleich zu anderen Algorithmen immer noch ungenau.


Quellen und weiterführende Links


INWT-Statistics


Digital Lab