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
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) −
2σ12(x
i− µ)
2 に対して,
∂
∂µ
log L =
∂(σ∂2)log L = 0
を考える.
1
µ = 1
2 (x
1+ x
2), σ
2=
( x
1− x
22
)
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).
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
(β1+β2+β3)·11! e
−eβ1+β2+β3)
+ log (
e
(β1+2β2)·33! e
−eβ1+2β2)
+ log (
e
(β1+2β2)·55! e
−eβ1+2β2)
+ log (
e
(β1+3β2+β3)·88! e
−eβ1+3β2+β3)
=(β
1+ β
2+ β
3) · 1 − e
β1+β2+β3+ (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+3β2+β3+
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
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
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,
∂∂βlogL1
= 0
は∂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
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
2d, d = 0, 1
について,
データ{ y
i, N
i, d
i}
からβ
1, β
2 を 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