タグ付けされた質問 「logistic」

これは一般的な問題のようですが、解決策が見つかりません。 一連のバイナリ観測と2つの異なるモデルがあり、それぞれに各観測の予測があります。モデルのキャリブレーションを比較したい。 これらのモデルの差別を比較する方法はいくつかあります（RのpROCパッケージのroc.testを参照）が、キャリブレーションを比較する方法はありません。ほとんどの経験的論文は、各モデルのキャリブレーションがオフであるかどうかをテストしている2つの異なるキャリブレーションテスト（すなわち、Hosmer-Lemeshow、Brierスコア）からのp値のみをリストしています。 私が探しているのは、2つのモデル間のキャリブレーションの直接統計比較です。 これが極端なテストデータセットです。ブライア検定、シュピーゲルハルターZ検定などの値はすべて、p2がより適切に較正されていることを裏付けています。誰かがこれを正式な統計的検定にすることができますか？ library("pROC") y <- rbinom(100,1,1:100/100) p1 <- 1:100/10001 p2 <- 1:100/101 val.prob(p1,y) val.prob(p2,y)

7 r  machine-learning  logistic  calibration  scoring-rules 

従属変数 [0,1]の範囲の依存値があります。意味0と1、およびその間のすべての値が含まれます。したがって、これはたとえば農家が受精させる土地の割合などの比例値です。 型番 私が現在注力しているモデルは、ロジスティックモデルです。 ただし、出力として、モデルによって従属変数がどのように予測されるかを確認したいと思います（実際の値と推定値を比較するため）。 ただし、ロジスティック回帰は通常、出力として「確率」を示します。その結果、私は今少し混乱しています。 私のモデル= out <- glm(cbind(fertilized, total_land-fertilized) ~ X-variables, family=binomial(cloglog), data=Alldata) 私が使用する受精地の推定割合を予測するには Alldata$estimated_fertilized<-predict(out,data=newdata,type="response")) これは正しいです？または、この線は予測されたパーセンテージの代わりに確率を与えますか？正しくない場合、必要なものを取得するにはどうすればよいですか？ 更新 選択したモデルの正確性について質問があるという事実を踏まえて、いくつかの追加情報を提供します。 従属変数の分布（これは0-1、0、1を含む比率です）。

7 r  logistic  generalized-linear-model  proportion  logit 

ロジスティック回帰仮説が確率関数と見なされるのはなぜですか？ 0または1を予測するためにそれを使用することを理解していますが、それでも、0と1の間の数値を出力する関数（仮説）が確率関数と見なされるのはなぜですか？ これはヒューリスティックですか？

7 regression  logistic  generalized-linear-model 

次のテストデータを作成したロジスティック回帰を行っています（2つの予測子と基準はバイナリ変数です）。 UV1 UV2 AV 1 1 1 1 2 1 1 1 3 1 1 1 4 1 1 1 5 1 1 1 6 1 1 1 7 1 1 1 8 0 0 1 9 0 0 1 10 0 0 1 11 1 1 0 12 1 …

7 r  regression  logistic  logit