邏輯迴歸是什麼？ - TIBCO Software

二元羅吉斯迴歸：這種迴歸的分類反應只有兩種可能結果。

如上例所示：學生及格或失敗。

· 多元羅吉斯迴歸：這種迴歸的反應變數可以包含三個或更多變數，變數之間沒有排列順序 ... Skiptomaincontent 首頁 ReferenceCenter 字彙 邏輯迴歸是什麼？ 羅吉斯迴歸是一種統計模型，用於判斷事件發生的機率。

它可顯示不同特徵之間的關係，然後計算某個結果的發生機率。

羅吉斯迴歸用於機器學習(ML)可幫助建立準確預測，它類似線性迴歸，不同之處在於其目標變數不是圖形結果，而是二元的，數值為1或0。

可測量變數有兩種類型，一種是解釋變數／特徵（欲測量的項目），另一種是反應變數／目標二元變數（即結果）。

例如，當試圖預測某位學生會考試及格或失敗時，唸書小時數是特徵，反應變數則有兩個值：及格或失敗。

羅吉斯迴歸有三種基本類型： 二元羅吉斯迴歸：這種迴歸的分類反應只有兩種可能結果。

如上例所示：學生及格或失敗。

多元羅吉斯迴歸：這種迴歸的反應變數可以包含三個或更多變數，變數之間沒有排列順序。

以預測餐廳的用餐者為例，用餐者是否更喜歡某種食物：蔬食、肉食或純素食。

順序羅吉斯迴歸：與多元迴歸一樣，可以有三個或更多變數，但是測量值依順序排列。

以酒店評級為例，分為1至5等級。

羅吉斯迴歸所用的假設 在使用羅吉斯迴歸時，會做出某些假設。

在二元羅吉斯迴歸中，因為反應變數必須是二元的，所以結果不是這個，就是另一個。

期望結果應以反應變數的因子等級1表示，非期望結果以0表示。

只能包含有意義的變數。

獨立變數基本上必須相互獨立，應該幾乎沒有或不具多元共線性。

勝算比和獨立變數之間必須是線性相關。

羅吉斯迴歸僅適用於大量樣本。

你是哪個數據科學超級英雄？ 下載這本電子書，了解成為數據科學家所需的六大技能。

了解更多 羅吉斯迴歸的應用 羅吉斯迴歸可以用於幾個領域和方法，幾乎涵蓋所有醫學和社會科學的領域。

衛生保健 以創傷和醫學損傷嚴重度評級（TRISS）為例，世界各地都利用這個數據來預測受傷患者的死亡率。

此模型以羅吉斯迴歸開發而成，使用諸如修正的創傷評分、損傷嚴重度評分、患者年齡等變數，來預測健康結果。

這項技術甚至可用來預測某人患上某種疾病的機率，例如可以根據年齡、性別、體重和遺傳因素等變數，預測糖尿病和心臟病等疾病的發病率。

政治 羅吉斯迴歸也可用於預測選舉。

民主黨、共和黨或獨立候選人會在美國執政嗎？這些預測是根據年齡、性別、居住地、社會地位、過往投票模式（解釋變數）等變數，產生投票結果預測（反應變數）。

產品測試 羅吉斯迴歸可用於工程中，預測測試中系統或原型產品的成敗。

行銷 羅吉斯迴歸可用於預測客戶詢價轉化為銷售的機率、訂閱開始或終止的機率，甚至是客戶對新產品系列的潛在興趣。

金融業 金融部門的應用以信用卡公司為例，信用卡公司使用羅吉斯迴歸來預測客戶未來遲繳的可能性，然後建立模型來判斷是否應該發行信用卡給客戶。

該模型可以看出某位客戶是否會「違約」或「不違約」，這在銀行業中稱為「違約傾向模型」。

電子商務 電子商務公司大量投資於跨媒體廣告和促銷活動，很希望了解哪些活動最有效，以及最可能獲得潛在目標受眾響應的選項。

此模型集將客戶分類為「反應者」或「非反應者」，所以此模型稱為「反應傾向模型」。

公司可以透過來自羅吉斯迴歸的見解來制定最佳策略，並減少支出和損失以實現業務目標。

羅吉斯迴歸有助於大幅提高行銷活動的投資回報率(ROI)，從長遠來看，這對公司的獲利狀況很有利。

羅吉斯迴歸的優點和缺點 優點 因為羅吉斯迴歸非常有效率，也不需要大量運算資源，所以受到廣泛利用。

它很容易解讀，不需要調整輸入特徵，也易於正規化，而且它所提供的輸出結果是經過良好校正的預測機率。

如同線性迴歸，當忽略與輸出變數無關的屬性和其關聯屬性時，羅吉斯迴歸的運作往往會更有效率。

因此，特徵工程在羅吉斯迴歸和線性迴歸的表現方面，發揮著重要作用。

羅吉斯迴歸也很容易部署，訓練起來非常簡單，這就是它成為幫助衡量其他複雜演算法表現的重要基準的原因。

缺點 羅吉斯迴歸不能用於解決非線性問題，但不幸的是，當今許多系統都是非線性的。

此外，羅吉斯迴歸並不是目前可用的最強大演算法，反倒有幾種替代方法可以建立更好和複雜的預測。

羅吉斯迴歸也嚴重依賴所呈現的數據，這表示，除非您已經識別出所有必要的獨立變數，否則輸出結果並不具價值。

由於結果是離散的，因此羅吉斯迴歸只能用來預測分類結果，最終而言，它是一種長久以來已知容易擬合過度的演算法。

相關條款 數據科學 公民數據科學家 數據科學家 試用TIBCO數據科學 請即試用 相關產品 _selfTIBCO®DataScience _selfTIBCOSpotfire® 了解更多 TIBCOSpotfire-UseRegressionModelingtoPredictNumericalValues LearnhowtoapplythepredictivemodelingprocessinSpotfireinorderfitandvalidateamodel... TutorialVideo DataScience2.0–GuidedandIn-lineAnalytics:ByMichaelO’Connell,PhD Inretailbankingandcapitalmarkets,ITinitiativesandbusinessprojectsarejustifiedby... Whitepaper NineStepsApplicabletoAnyDataScienceIssue Youcanfacilitateaccesstodata,understanditsstructure,andprepareitforimplementing... EbookDownload HowtoIntroduceAIandDataScienceintoBusinessUserActivities Doyouwanttomakeyourviewsevenmoreintense,dynamic,andadvanced?Wewillshowyouhowto... On-DemandWebinar tibco-cloud-tm SignIn TIBCOLogo Agloballeaderinenterprisedata,TIBCOempowersitscustomerstoconnect,unify,andconfidentlypredictbusinessoutcomes,solvingtheworld’smostcomplexdata-drivenchallenges. Copyright©2022TIBCOSoftwareInc.AllRightsReserved.TIBCOfollowstheEUStandardContractualClausesasperTIBCO'sDataProcessingAgreement. tibco-cloud-tm SignIn