Calculateur de régression logistique binaire
Fixez les résultats binaires sur un prédicteur numérique en utilisant une pénalité L2 en pente normalisée explicite et évaluez une probabilité de requête.
VOTRE CALCUL
Résultat
—
Étapes du calcul
Affichez les étapes une par une ou le calcul complet. Les étapes utilisent les valeurs que vous avez saisies.
Méthode de calcul
Standardiser X et minimiser la perte de log logistique résumée plus un terme L2 en pente seulement avec l’itération amoindrie Newton.
p=1/(1+exp(−(b0+b1z))); objective=Σ[softplus(b0+b1z)−y(b0+b1z)]+λb1²/2
Exemple détaillé
Les données par défaut symétriques ont des résultats complémentaires à X et −X. À la requête X= 0, la probabilité ajustée est de 0,5 , y compris la pénalité de λ = 1 inscrite.
Hypothèses et précisions sur les données
4 – 500 observations complètes, une variable numérique X, et les deux classes de résultats. La magnitude X est au plus 1e9 . λ doit être 0,001 – 1000 ; l’interception est non pénalisée. La normalisation utilise le SGR de la population au sujet de la moyenne observée et la pénalité s’applique à cette base. Aucun essai de coefficient de probabilité maximale, validation d’étalonnage, interprétation causale ou seuil de classification n’est fourni. Les résultats dépendent du λ et de l’échantillon.
Références : Google ML: perte de journal logistique et régularisation
Utiliser ce calculateur
Puis-je saisir mes propres données ?
Oui. Remplacez les valeurs de l’exemple par vos propres données. Le résultat, les étapes, les tableaux et les diagrammes disponibles se mettent à jour. Une valeur vide ou invalide efface le résultat ; les valeurs de l’exemple ne remplacent jamais les données manquantes.
Les résultats sont-ils exacts ?
Les calculs utilisent des nombres à virgule flottante et les résultats affichés sont arrondis. Consultez la formule, les hypothèses et la précision des données indiquée avant d’interpréter le résultat.
Mes données sont-elles envoyées ?
Le calcul s’effectue dans votre navigateur. Aucun compte, envoi de fichier ou service d’IA externe n’est nécessaire. Les données saisies ne sont pas conservées après le rechargement de la page.
Fixez une interception et deux à cinq prédicteurs numériques, inspectez les coefficients d’unité originale et évaluez une requête de prédicteur.
Construisez un balayage ROC à point fixe et calculez l’ASC trapézoïdale plus la précision moyenne non interpolée à partir des scores numériques marqués.
Calculer la précision, le rappel, la spécificité, la F1, la précision, la précision équilibrée et le MCC à partir d’un tableau de comptage de classe positive déclaré.
Espace publicitaire réservé.