Hồi quy logistic cho dữ liệu từ các bản phân phối Poisson


11

Từ một số ghi chú học máy nói về một số phương pháp phân loại phân biệt, cụ thể là hồi quy logistic, trong đó y là nhãn lớp (0 hoặc 1) và x là dữ liệu, người ta nói rằng:

nếu x|y=0Poisson(λ0)x|y=1Poisson(λ1) , thì p(y|x) sẽ là logistic.

Tại sao điều này lại đúng?

Câu trả lời:


16

Y có hai giá trị có thể cho bất kỳ giá trị nhất định của X . Theo các giả định,

Pr(X=x|Y=0)=exp(λ0)λ0xx!

Pr(X=x|Y=1)=exp(λ1)λ1xx!.

Do đó (đây là một trường hợp tầm thường của Định lý Bayes) khả năng điều kiện trên là xác suất tương đối của trường hợp sau, cụ thể làY=1X=x

Pr(Y=1|X=x)=exp(λ1)λ1xx!exp(λ1)λ1xx!+exp(λ0)λ0xx!=11+exp(β0+β1x)

Ở đâu

β0=λ1λ0

β1=log(λ1/λ0).

Đó thực sự là mô hình hồi quy logistic tiêu chuẩn.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.