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 erhält 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
