Differbetween
La regresión lineal se usa para predecir la variable dependiente continua usando un conjunto dado de variables independientes. La regresión logística se usa para predecir la variable dependiente categórica usando un conjunto dado de variables independientes. La regresión lineal se utiliza para resolver el problema de regresión.
- ¿Debo usar regresión lineal o logística??
- ¿Es la regresión logística una regresión lineal??
- ¿Cuál es la diferencia entre logística y regresión múltiple??
- ¿Cuándo debo usar la regresión logística??
- Por qué la regresión lineal no es adecuada para la clasificación?
- ¿Por qué es mejor la regresión logística??
- ¿Cómo se calcula la regresión logística??
- ¿Se puede utilizar la regresión logística para?
- ¿Cuál es el propósito principal de la regresión logística??
- ¿Cuáles son los tipos de regresión logística??
- ¿Para qué se utiliza un análisis de regresión múltiple??
- ¿Cuáles son los supuestos de la regresión logística??
¿Debo usar regresión lineal o logística??
La regresión lineal se usa para manejar problemas de regresión, mientras que la regresión logística se usa para manejar los problemas de clasificación. La regresión lineal proporciona una salida continua, pero la regresión logística proporciona una salida discreta.
¿Es la regresión logística una regresión lineal??
La respuesta corta es: La regresión logística se considera un modelo lineal generalizado porque el resultado siempre depende de la suma de las entradas y los parámetros. O en otras palabras, la salida no puede depender del producto (o cociente, etc.) de sus parámetros!
¿Cuál es la diferencia entre logística y regresión múltiple??
El análisis de regresión logística simple se refiere a la aplicación de regresión con un resultado dicotómico y una variable independiente; El análisis de regresión logística múltiple se aplica cuando hay un único resultado dicotómico y más de una variable independiente..
¿Cuándo debo usar la regresión logística??
Como todos los análisis de regresión, la regresión logística es un análisis predictivo. La regresión logística se utiliza para describir datos y explicar la relación entre una variable binaria dependiente y una o más variables independientes nominales, ordinales, de intervalo o de razón..
Por qué la regresión lineal no es adecuada para la clasificación?
Este artículo explica por qué la regresión logística funciona mejor que la regresión lineal para problemas de clasificación y 2 razones por las que la regresión lineal no es adecuada: el valor predicho es continuo, no probabilístico. sensible a los datos de desequilibrio cuando se utiliza la regresión lineal para la clasificación.
¿Por qué es mejor la regresión logística??
La regresión logística es más fácil de implementar, interpretar y muy eficiente de entrenar. Si el número de observaciones es menor que el número de características, no se debe utilizar la regresión logística; de lo contrario, puede provocar un sobreajuste. No hace suposiciones sobre distribuciones de clases en el espacio de características..
¿Cómo se calcula la regresión logística??
Así que comencemos con la familiar ecuación de regresión lineal:
- Y = B0 + B1 * X. En la regresión lineal, la salida Y está en las mismas unidades que la variable objetivo (lo que está tratando de predecir). ...
- Probabilidades = P (Evento) / [1-P (Evento)] ...
- Probabilidades = 0,70 / (1–0,70) = 2,333.
¿Se puede utilizar la regresión logística para?
La regresión logística se ha utilizado tradicionalmente como un clasificador lineal, es decir, cuando las clases se pueden separar en el espacio de características por límites lineales. Por tanto, el límite de decisión es lineal. ...
¿Cuál es el propósito principal de la regresión logística??
El análisis de regresión logística se utiliza para examinar la asociación de variables independientes (categóricas o continuas) con una variable dependiente dicotómica. Esto contrasta con el análisis de regresión lineal en el que la variable dependiente es una variable continua..
¿Cuáles son los tipos de regresión logística??
La regresión logística puede ser binomial, ordinal o multinomial. La regresión logística binomial o binaria se ocupa de situaciones en las que el resultado observado para una variable dependiente puede tener solo dos tipos posibles, "0" y "1" (que pueden representar, por ejemplo, "muerto" frente a "vivo" o "ganar "frente a" pérdida ").
¿Para qué se utiliza un análisis de regresión múltiple??
El análisis de regresión múltiple permite a los investigadores evaluar la fuerza de la relación entre un resultado (la variable dependiente) y varias variables predictoras, así como la importancia de cada uno de los predictores para la relación, a menudo con el efecto de otros predictores eliminados estadísticamente..
¿Cuáles son los supuestos de la regresión logística??
Los supuestos básicos que deben cumplirse para la regresión logística incluyen independencia de errores, linealidad en el logit para variables continuas, ausencia de multicolinealidad y ausencia de valores atípicos fuertemente influyentes..
