¿Para qué sirve la regresión logística?
¿Para qué sirve la regresión logística?

Video: ¿Para qué sirve la regresión logística?

Video: ¿Para qué sirve la regresión logística?
Video: Regresión Logística 2024, Mayo
Anonim

Regresión logística es el apropiado regresión análisis a realizar cuando la variable dependiente es dicotómica (binaria). Regresión logística es usó describir datos y explicar la relación entre una variable binaria dependiente y una o más variables independientes nominales, ordinales, de intervalo o de razón.

La gente también pregunta, ¿cuándo se debe utilizar la regresión logística?

Cuándo usar Regresión logística . usted deberían piensa en usar Regresión logística cuando su variable Y toma solo dos valores. Dicha variable se denomina "binaria" o "dicotómica". “Dicotómico” básicamente significa dos categorías como sí / no, defectuoso / no defectuoso, éxito / fracaso, etc.

Asimismo, ¿qué se entiende por regresión logística? Descripción. Regresión logística es un método estadístico para analizar un conjunto de datos en el que hay una o más variables independientes que determinan un resultado. El resultado se mide con una variable dicotómica (en la que solo hay dos resultados posibles).

De manera similar, se pregunta, ¿dónde se usa la regresión logística?

Regresión logística es usó en varios campos, incluido el aprendizaje automático, la mayoría de los campos médicos y las ciencias sociales. Por ejemplo, el puntaje de gravedad de traumatismos y lesiones (TRISS), que es ampliamente usó para predecir la mortalidad en pacientes lesionados, fue desarrollado originalmente por Boyd et al. utilizando Regresión logística.

¿Cómo funciona una regresión logística?

Distribución gaussiana: Regresión logística es un algoritmo lineal (con una transformación no lineal en la salida). Eso lo hace suponga una relación lineal entre las variables de entrada y la salida. Las transformaciones de datos de sus variables de entrada que exponen mejor esta relación lineal pueden dar como resultado un modelo más preciso.

Recomendado: