Είναι η πολλαπλή παλινδρόμηση και η λογική παλινδρόμηση ίδια; Εάν όχι, ποια είναι η διαφορά μεταξύ τους;


Απάντηση 1:

Γεια σου,

Έχω δύο απαντήσεις στις ερωτήσεις σας με βάση την ερμηνεία της ερώτησής σας

  1. Αν εννοούσατε, η διαφορά μεταξύ της πολλαπλής γραμμικής παλινδρόμησης και της λογιστικής παλινδρόμησης;
  • ΑΠΑΝΤΗΣΗ: - Πολλαπλή γραμμική παλινδρόμηση ονομάζεται με αυτόν τον τρόπο, καθώς επιτρέπει τη χρήση του n-αριθμού των Χ (ανεξάρτητες μεταβλητές) για να προβλέψει την Y (μεταβλητή συνεχούς εξάρτησης). Ωστόσο, πρέπει να προσέξουμε άλλους παράγοντες όπως η πολυ-γραμμικότητα και η ικανοποίηση βασικές παραδοχές στα δεδομένα. Ενώ η Λογιστική παλινδρόμηση χρησιμοποιεί n όχι του X για να προβλέψει την Υ (Διακριτή Εξαρτημένη Μεταβλητή)
  1. Αν εννοούσατε τη διαφορά μεταξύ της πολλαπλής διοικητικής παλινδρόμησης και της λογιστικής παλινδρόμησης;
  • ΑΠΑΝΤΗΣΗ: - Η πολλαπλή διοικητική παλινδρόμηση μπορεί να προβλέψει διάφορα επίπεδα Y (Discrete Dependent Variable), ενώ η υλικοτεχνική παλινδρόμηση μπορεί να προβλέψει μόνο τη δυαδική μορφή του Y (Διακριτή Εξαρτώμενη Μεταβλητή).

Απάντηση 2:

Γεια,

Ευχαριστώ για το A2A.

Στο Northwestern University, υπάρχουν φωτιστικά της ανάλυσης και της επιστήμης των δεδομένων. Μας διδάσκουν με τόσο μεγάλη ευκολία ότι αυτοί οι όροι είναι ξεκάθαροι στο μυαλό μας. Θα μοιραστώ μαζί σας και θα προσπαθήσω να λύσω τις αμφιβολίες σας:

  1. Υπάρχουν κυρίως δύο τύποι παλινδρόμησης - γραμμική παλινδρόμηση και λογική παλινδρόμηση. Μπορούν να υπάρχουν και άλλοι τύποι παλινδρόμησης, αλλά αυτά είναι τα πιο κοινά μοντέλαRegression που γίνονται με μεταβλητές. Βασικά, θα υπάρχει μια εξίσωση στην οποία θα θέσετε την αξία ορισμένων μεταβλητών και θα λάβετε μια απάντηση. Εδώ, διαιρούνται με την καταμέτρηση των μεταβλητών στο μοντέλο - (απλή) γραμμικής παλινδρόμησης και πολλαπλής γραμμικής παλινδρόμησης (απλή) διοικητική παλινδρόμηση και πολλαπλή διοικητική παλινδρόμηση.

Τα (απλά) μοντέλα που βασίζονται σε μια ενιαία και πολλαπλά μοντέλα βασίζονται σε 2 ή περισσότερες μεταβλητές.

Ελπίζω αυτό να ξεκαθαρίζει την αμφιβολία σας για αυτό το θέμα.

Συνεχίστε να συζητάτε σχετικά με τους αλγόριθμους Machine Learning στη Quora. Είναι μια ωραία πλατφόρμα για να μάθετε για τέτοια θέματα εδώ. Κρατήστε το κουνιστό!

Τις καλύτερες ευχές,

Νικίλ Γκούπτα