Diferença entre regressão linear e logística

A regressão linear é usada para prever a variável dependente contínua usando um determinado conjunto de variáveis ​​independentes. A regressão logística é usada para prever a variável dependente categórica usando um determinado conjunto de variáveis ​​independentes. A regressão linear é usada para resolver o problema de regressão.

1. Devo usar regressão linear ou logística?
2. É a regressão logística uma regressão linear?
3. Qual é a diferença entre regressão logística e múltipla?
4. Quando devo usar regressão logística?
5. Por que a regressão linear não é adequada para classificação?
6. Por que a regressão logística é melhor?
7. Como a regressão logística é calculada?
8. A regressão logística pode ser usada para não linear?
9. Qual é o objetivo principal da regressão logística?
10. Quais são os tipos de regressão logística?
11. O que é uma análise de regressão múltipla usada para?
12. Quais são os pressupostos da regressão logística?

Devo usar regressão linear ou logística?

A regressão linear é usada para lidar com problemas de regressão, enquanto a regressão logística é usada para lidar com os problemas de classificação. A regressão linear fornece uma saída contínua, mas a regressão logística fornece uma saída discreta.

É a regressão logística uma regressão linear?

A resposta curta é: A regressão logística é considerada um modelo linear generalizado porque o resultado sempre depende da soma das entradas e dos parâmetros. Ou em outras palavras, a saída não pode depender do produto (ou quociente, etc.) de seus parâmetros!

Qual é a diferença entre regressão logística e múltipla?

A análise de regressão logística simples refere-se à aplicação da regressão com um desfecho dicotômico e uma variável independente; a análise de regressão logística múltipla se aplica quando há um único resultado dicotômico e mais de uma variável independente.

Quando devo usar regressão logística?

Como todas as análises de regressão, a regressão logística é uma análise preditiva. A regressão logística é usada para descrever dados e explicar a relação entre uma variável binária dependente e uma ou mais variáveis ​​independentes nominais, ordinais, de intervalo ou de razão.

Por que a regressão linear não é adequada para classificação?

Este artigo explica por que a regressão logística tem um desempenho melhor do que a regressão linear para problemas de classificação e 2 razões pelas quais a regressão linear não é adequada: o valor previsto é contínuo, não probabilístico. sensível a dados de desequilíbrio ao usar regressão linear para classificação.

Por que a regressão logística é melhor?

A regressão logística é mais fácil de implementar, interpretar e muito eficiente de treinar. Se o número de observações for menor que o número de feições, a Regressão Logística não deve ser usada, caso contrário, pode levar ao sobreajuste. Não faz suposições sobre distribuições de classes no espaço de recursos.

Como a regressão logística é calculada?

Então, vamos começar com a equação de regressão linear familiar:

1. Y = B0 + B1 * X. Na regressão linear, a saída Y está nas mesmas unidades da variável de destino (o que você está tentando prever). ...
2. Odds = P (Evento) / [1-P (Evento)] ...
3. Odds = 0,70 / (1–0,70) = 2,333.

A regressão logística pode ser usada para não linear?

A regressão logística tem sido tradicionalmente usada como um classificador linear, ou seja, quando as classes podem ser separadas no espaço de recursos por limites lineares. O limite de decisão é, portanto, linear. ...

Qual é o objetivo principal da regressão logística?

A análise de regressão logística é usada para examinar a associação de variáveis ​​independentes (categóricas ou contínuas) com uma variável dependente dicotômica. Isso está em contraste com a análise de regressão linear em que a variável dependente é uma variável contínua.

Quais são os tipos de regressão logística?

A regressão logística pode ser binomial, ordinal ou multinomial. A regressão logística binomial ou binária lida com situações em que o resultado observado para uma variável dependente pode ter apenas dois tipos possíveis, "0" e "1" (que pode representar, por exemplo, "morto" vs. "vivo" ou "vitória "vs." perda ").

O que é uma análise de regressão múltipla usada para?

A análise de regressão múltipla permite que os pesquisadores avaliem a força da relação entre um resultado (a variável dependente) e várias variáveis ​​preditoras, bem como a importância de cada um dos preditores para a relação, muitas vezes com o efeito de outros preditores eliminados estatisticamente.

Quais são os pressupostos da regressão logística?

As suposições básicas que devem ser atendidas para regressão logística incluem independência de erros, linearidade no logit para variáveis ​​contínuas, ausência de multicolinearidade e falta de outliers fortemente influentes.