Modèle probit multinomial

Les coefficients multinomiaux sont disponibles sous forme de coefficientmatrix et les intercepte sont disponibles en tant que interceptvector. J`espère que vous avez l`idée claire sur le binaire et multi-classification. Passons maintenant à la régression logistique multinomiale. LogisticRegressionTrainingSummary fournit un récapitulatif pour un LogisticRegressionModel. Actuellement, seule la classification binaire est prise en charge et le résumé doit être explicitement castée en BinaryLogisticRegressionTrainingSummary. Cela changera probablement lorsque la classification multiclasse est prise en charge. Ci-dessous, nous utilisons la fonction multinom du paquet nnet pour estimer un modèle de régression logistique multinomiale. Il existe d`autres fonctions dans d`autres packages R capables de régression multinomiale. Nous avons choisi la fonction multinom car elle n`exige pas que les données soient remodelées (comme le fait le paquet mlogit) et pour refléter l`exemple de code trouvé dans les modèles de régression logistique de Hilbe. La régression logistique multinomiale est connue par une variété d`autres noms, y compris les LR polytomes, [2] [3] multiclasse LR, la régression SoftMax, le logit multinomiale, le classificateur d`entropie maximale (MaxEnt) et le modèle d`entropie maximale conditionnelle.

[4] la régression logistique multinomiale est utilisée lorsque la variable dépendante en question est nominale (de façon équivalente catégorielle, ce qui signifie qu`elle tombe dans l`un des groupes de catégories qui ne peuvent pas être commandés de manière significative) et pour laquelle il y a plus de deux Catégories. Quelques exemples seraient: la régression logistique multinomiale peut être utilisée pour la classification binaire en définissant le paramètre de famille sur «multinomial». Il produira deux ensembles de coefficients et deux intercepts. Ce sont tous des problèmes de classification statistique. Ils ont tous en commun une variable dépendante à prédire qui provient d`un ensemble limité d`éléments qui ne peuvent pas être commandés de manière significative, ainsi qu`un ensemble de variables indépendantes (également appelées entités, explicateurs, etc.), qui sont utilisées pour prédire la dépendance Variable. La régression logistique multinomiale est une solution particulière aux problèmes de classification qui utilisent une combinaison linéaire des caractéristiques observées et de certains paramètres spécifiques aux problèmes pour estimer la probabilité de chaque valeur particulière de la variable dépendante.

Sorry, comments are closed for this post.