Miért nem jó ide a sima regresszió
Kézenfekvő ötlet a kategóriát nullának és egynek kódolni, és egyenest illeszteni rá. A gond az, hogy az egyenes nulla alatti és egy feletti értékeket is ad, amit valószínűségként nem lehet olvasni. A logisztikus regresszió ezt oldja meg, a kimenetét egy S alakú görbével nulla és egy közé szorítja, így minden megfigyeléshez tisztességes valószínűséget rendel. Az együtthatói ugyanúgy olvashatók, mint a lineáris modellnél, csak az esély nyelvén.
A küszöb üzleti döntés, nem statisztikai
A modell valószínűséget ad, a döntéshez küszöb kell. Ötven százalék felett beavatkozunk, alatta nem. Csakhogy a küszöb megválasztása a hibák árán múlik. Ha a kihagyott beteg ügyfél drága, alacsonyabb küszöb kell, vállalva a több felesleges riasztást. Ha a felesleges beavatkozás drága, magasabb. A kurzus itt vezeti be az érzékenység és a specificitás fogalmát, vagyis hogy a valódi pozitívok és a valódi negatívok mekkora hányadát találjuk el. A kettő közti csere a küszöbbel hangolható, és ez üzleti, nem technikai döntés.
A naiv pontosság csapdája. Ha az ügyfelek egy százaléka csal, a mindenki becsületes modell 99 százalékos pontosságú, és tökéletesen haszontalan. Kiegyensúlyozatlan adaton a pontosság önmagában félrevezet, a kérdés mindig az, mit találunk el a ritka, de fontos osztályból.
A többi módszer a polcon
A kurzus a logisztikus regresszió mellé bemutatja a lineáris diszkriminancia elemzést, amely kis mintán és jól elváló csoportoknál erős, a naiv Bayes módszert, amely sok bemenőnél meglepően jól tartja magát, és a legközelebbi szomszéd módszert, amely semmilyen alakot nem tételez fel, cserébe sok adatot kér. A gyakorlati sorrend szinte mindig ugyanaz. Logisztikus regresszióval kezdesz, mert gyors és értelmezhető, és csak akkor lépsz tovább, ha a mérés azt mutatja, hogy van még mit behozni.
Források és további olvasnivaló
ISLP 4. fejezet, Classification, a hozzá tartozó Python laborral. Stanford Online, Statistical Learning with Python.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, priorizált cselekvési lista.
Érdekel a program →