二値ロジスティック回帰計算
標準化した傾きへのL2罰則を明示し、1つの数値説明変数で二値結果をモデル化して指定点の確率を求めます。
計算結果
結果
—
計算手順
手順を1つずつ、またはまとめて表示できます。現在の入力値を使った計算手順です。
計算方法
X を標準化し、合計 log の損失を最小化し、スロープのみの L 2 項に減衰ニュートン反復を加えたもの。
p=1/(1+exp(−(b0+b1z))); objective=Σ[softplus(b0+b1z)−y(b0+b1z)]+λb1²/2
計算例
対称デフォルトのデータは、Xと-Xで補完的な結果を持つ。クエリX=0では、入力されたλ=1ペナルティを含む、適合確率は0.5である。
前提条件と入力上の注意
4 – 500 完全な観測、1 つの異なる数値X、および両方の結果クラス。 Xの絶対値は1e9以下、λは0.001〜1000です。切片に罰則は加えません。標準化では、観察された平均について母集団RMSを使用し、その基準でペナルティが適用される。最大度係数検定、キャリブレーション検証、因果律解釈、分類しきい値などは提供されない。結果はλとサンプルによって異なる。
参考資料： Google ML:ロジスティック損失と正則化
このツールの使い方
自分の値を入力できますか？
はい。入力例をご自身の値に変更してください。結果・計算手順・表・対応する図が入力に応じて更新されます。空欄や無効な値がある場合は結果を消去し、不足した入力を自動的に例の値で補うことはありません。
結果は厳密ですか？
浮動小数点演算を使用し、表示時に丸めています。計算式・前提条件・記載されたデータ精度を確認して結果を解釈してください。
入力内容は送信されますか？
計算はブラウザー内で行います。アカウント・ファイルのアップロード・外部AIサービスは不要です。ページを再読み込みすると入力値は保持されません。
切片と2〜5個の数値説明変数による回帰を行い、元の単位での係数と指定条件の予測値を求めます。
同点スコアをまとめたROC曲線を作り、台形法のAUCと補間なしの平均適合率を求めます。
陽性クラスを明示した件数表から、適合率、再現率、特異度、F1、正解率、均衡正解率、MCCを求めます。
広告掲載用スペースです。