Логистическая регрессия — это статистический метод, который мы используем для подбора регрессионной модели, когда переменная отклика является бинарной.
В этом руководстве представлены четыре различных примера использования логистической регрессии в реальной жизни.
Логистическая регрессия Пример из реальной жизни № 1
Медицинские исследователи хотят знать, как физические упражнения и вес влияют на вероятность сердечного приступа. Чтобы понять взаимосвязь между переменными-предикторами и вероятностью сердечного приступа, исследователи могут выполнить логистическую регрессию.
Переменной отклика в модели будет сердечный приступ, который может иметь два возможных результата:
- Происходит сердечный приступ.
- Инфаркта не бывает.
Результаты модели расскажут исследователям, как именно изменения в упражнениях и весе влияют на вероятность сердечного приступа у данного человека. Исследователи также могут использовать подогнанную модель логистической регрессии, чтобы предсказать вероятность сердечного приступа у данного человека, исходя из его веса и времени, потраченного на тренировки.
Пример логистической регрессии из реальной жизни № 2
Исследователи хотят знать, как GPA, оценка ACT и количество пройденных классов AP влияют на вероятность поступления в конкретный университет. Чтобы понять взаимосвязь между переменными-предикторами и вероятностью принятия, исследователи могут выполнить логистическую регрессию.
Переменной отклика в модели будет «принятие», и она может иметь два возможных результата:
- Студента принимают.
- Студента не принимают.
Результаты модели расскажут исследователям, как именно изменения в среднем балле, баллах ACT и количестве пройденных классов AP влияют на вероятность того, что данный человек будет принят в университет. Исследователи также могут использовать подогнанную модель логистической регрессии, чтобы предсказать вероятность того, что данный человек будет принят, на основе его среднего балла, оценки ACT и количества пройденных классов AP.
Логистическая регрессия Пример из реальной жизни № 3
Бизнес хочет знать, влияют ли количество слов и страна происхождения на вероятность того, что электронное письмо является спамом. Чтобы понять взаимосвязь между этими двумя переменными-предикторами и вероятностью того, что электронное письмо является спамом, исследователи могут выполнить логистическую регрессию.
Переменная ответа в модели будет «спамом», и у нее есть два возможных результата:
- Электронная почта является спамом.
- Электронная почта не является спамом.
Результаты модели расскажут бизнесу, как именно изменения количества слов и страны происхождения влияют на вероятность того, что данное электронное письмо является спамом. Бизнес также может использовать подогнанную модель логистической регрессии, чтобы предсказать вероятность того, что данное электронное письмо является спамом, на основе количества слов в нем и страны происхождения.
Логистическая регрессия Пример из реальной жизни № 4
Компания-эмитент кредитных карт хочет знать, влияют ли сумма транзакции и кредитный рейтинг на вероятность того, что данная транзакция является мошеннической. Чтобы понять взаимосвязь между этими двумя переменными-предикторами и вероятностью мошеннической транзакции, компания может выполнить логистическую регрессию.
Переменная ответа в модели будет «мошеннической» и может иметь два возможных результата:
- Сделка мошенническая.
- Сделка не мошенническая.
Результаты модели сообщат компании, как именно изменения в сумме транзакции и кредитном рейтинге влияют на вероятность того, что данная транзакция является мошеннической. Компания также может использовать подобранную модель логистической регрессии для прогнозирования вероятности того, что данная транзакция является мошеннической, на основе суммы транзакции и кредитного рейтинга лица, совершившего транзакцию.