Pourquoi utiliserions-nous des cotes plutôt que des probabilités lors de la régression logistique?
la source
Pourquoi utiliserions-nous des cotes plutôt que des probabilités lors de la régression logistique?
L’avantage est que les cotes définies sur mapper pour se connecter , alors que ce n'est pas le cas des probabilités. Par conséquent, vous pouvez utiliser des équations de régression comme
La cote est le nombre attendu de "succès" par "échec", il peut donc prendre des valeurs inférieures à un, un ou plusieurs, mais les valeurs négatives n'auront aucun sens; vous pouvez avoir 3 succès par échec, mais -3 succès par échec n'ont pas de sens. Le logarithme d'une cote peut prendre n'importe quelle valeur positive ou négative. La régression logistique est un modèle linéaire pour le log (cotes). Cela fonctionne parce que le log (cotes) peut prendre n'importe quel nombre positif ou négatif, donc un modèle linéaire ne conduira pas à des prédictions impossibles. Nous pouvons faire un modèle linéaire pour la probabilité, un modèle de probabilité linéaire, mais cela peut conduire à des prédictions impossibles car une probabilité doit rester entre 0 et 1.