• 検索結果がありません。

ロジスティック回帰・直線回帰

N/A
N/A
Protected

Academic year: 2021

シェア "ロジスティック回帰・直線回帰"

Copied!
6
0
0

読み込み中.... (全文を見る)

全文

(1)

ロジスティック回帰・直線回帰

樋口さぶろお

龍谷大学大学院理工学研究科数理情報学専攻

理論物理学特論

L03(2016-10-05 Wed)

最終更新: Time-stamp: ”2016-10-02 Sun 17:47 JST hig”

今日の目標

1 ロジスティック回帰を

,

一般化線形モデルとして 説明できる

2 線形回帰を

,

一般化線形モデルとして説明できる

http://hig3.net

樋口さぶろお (数理情報学専攻) L03ロジスティック回帰・直線回帰 理論物理学特論(2016) 1 / 6

(2)

略解:最尤推定・一般化線形モデル・ポアソン回帰

L02-Q1

Quiz

解答

:

正規分布の母数の最尤推定

log L(µ, σ

2

) = ∑

i

12

(2πσ

2

)

12

(x

i

µ)

2 に対して

,

∂µ

log L =

∂(σ2)

log L = 0

を考える

.

1

µ = 1

2 (x

1

+ x

2

), σ

2

=

( x

1

x

2

2

)

2

.

2

µ = 1

N (x

1

+ · · · + x

N

), σ

2

= 1 N

N i=1

(x

i

1

N (x

1

+ · · · + x

N

))

2

.

(1/(N 1)

ではない

).

(3)

略解:最尤推定・一般化線形モデル・ポアソン回帰

L02-Q2

Quiz

解答

:

ポアソン回帰

log L = log (

e

123)·1

1! e

eβ1+β2+β3

)

+ log (

e

1+2β2)·3

3! e

eβ1+2β2

)

+ log (

e

1+2β2)·5

5! e

eβ1+2β2

)

+ log (

e

1+3β23)·8

8! e

eβ1+3β2+β3

)

=(β

1

+ β

2

+ β

3

) · 1 e

β123

+ (β

1

+ 2β

2

) · 3 e

β1+2β2

+ (β

1

+ 2β

2

) · 5 e

β1+2β2

+ (β

1

+ 3β

2

+ β

3

) · 8 e

β1+3β23

+

定数

.

樋口さぶろお (数理情報学専攻) L03ロジスティック回帰・直線回帰 理論物理学特論(2016) 3 / 6

(4)

ロジスティック回帰・直線回帰 ロジスティック回帰

ここまで来たよ

1 略解

:

最尤推定・一般化線形モデル・ポアソン回帰

2 ロジスティック回帰・直線回帰 ロジスティック回帰

(5)

ロジスティック回帰・直線回帰 ロジスティック回帰

L03-Q1

Quiz(ロジスティック関数)

微分可能であり

,

単調増加であり

, lim

x→−∞

q(x) = 0, lim

x+

q(x) = 1

であり

,

簡単な式で書けるような関数を見つけよう

.

L03-Q2

Quiz(

ロジット関数

)

ロジスティック関数の逆関数を求めよう

. L03-Q3

Quiz(

ロジスティック回帰

)

ロジスティック回帰の一定モデル

logit(q) = β

1 について

,

データ

{ y

i

, N

i

}

から

β

1 を最尤推定しよう

.

いまは

β

1 しかないので

,

∂βlogL

1

= 0

log∂qL

= 0

と同値で

,

こっちのほ うが計算が楽

.

樋口さぶろお (数理情報学専攻) L03ロジスティック回帰・直線回帰 理論物理学特論(2016) 5 / 6

(6)

ロジスティック回帰・直線回帰 ロジスティック回帰

L03-Q4

ロジスティック回帰

ロジスティック回帰で

,

説明変数が因子変数

1

個である場合

logit(q) = β

1

+ β

2

d, d = 0, 1

について

,

データ

{ y

i

, N

i

, d

i

}

から

β

1

, β

2 最尤推定しよう

.

ここで

, y

(a)

= ∑

di=a

y

i

, N

(a)

= ∑

di=a

N

i などとおくと考えやすいかも

. L03-Q5

直線回帰

直線回帰で

,

尤度最大という条件から

, ‘

直線からのずれの

2

乗が最小

導こう

.

データ

{ y

i

, N

i

}

から

q

を最尤推定しよう

.

参照

関連したドキュメント

[r]

ロジスティック回帰 の部品 二項分布 binomial distribution と logit link function!.

前項で揚げた例のように、一つの要素で判別を行うことは多くの場合困難でしょう。しか

[r]

[r]

正則化法として推定の安定化を目的とした ridge 推定 (Hoerl and Kennard (1970)) のほか, スパース正則化法である lasso (Tibshirani (1996)) を始めとして, lasso の欠

× indicates the observed data series.... [End

投与前の収縮期血圧と拡張期血圧の相関が負になっているのは、「収縮期血圧が 120mmHg 以上または拡張期血圧が 90mmHg