ה ההבדל העיקרי בין רגרסיה לינארית לרגרסיה לוגיסטית היא ש רגרסיה לינארית משמשת לחיזוי ערך רציף ואילו הרגרסיה הלוגיסטית משמשת לחיזוי ערך דיסקרטי.

מערכות למידת מכונה יכולות לחזות תוצאות עתידיות על סמך הכשרת תשומות העבר. ישנם שני סוגים עיקריים של למידת מכונה הנקראת למידה בפיקוח ולמידה ללא פיקוח. רגרסיה וסיווג נופלים תחת למידה בפיקוח בעוד שאשכולות נופלים תחת למידה ללא פיקוח. אלגוריתמי למידה בפיקוח משתמשים בנתונים המסומנים בכדי לאמן את מערך הנתונים. רגרסיה לינארית ורגרסיה לוגיסטית הם שני סוגים של אלגוריתמי למידה בפיקוח. רגרסיה לינארית משמשת כאשר המשתנה התלוי הוא רציף, והמודל לינארי. רגרסיה לוגיסטית משמשת כאשר המשתנה התלוי הוא דיסקרטי, והמודל אינו לינארי.

רגרסיה לינארית, רגרסיה לוגיסטית, למידת מכונה

מהי רגרסיה לינארית

רגרסיה לינארית מוצאת את הקשר בין משתנים עצמאיים ותלויים. שניהם רציפים. המשתנה הבלתי תלוי הוא המשתנה שאינו משתנה על ידי המשתנים האחרים. הוא מסומן ב- x. כמו כן יכולים להיות מספר משתנים עצמאיים מרובים כגון x1, x2, x3 וכו '. משתנה תלוי משתנה בהתאם למשתנה הבלתי תלוי, והוא מסומן ב- y.

כאשר יש משתנה אחד בלתי תלוי, משוואת הרגרסיה היא כדלקמן.

y = b0+ b1x

לדוגמה, נניח ש- x מייצג גשמים ו- y מייצג את תפוקת היבול.

איור 1: רגרסיה לינארית

מערך הנתונים יראה כמו למעלה. לאחר מכן, נבחר שורה המכסה את רוב נקודות הנתונים. שורה זו מייצגת את הערכים החזויים.

איור 2: מרחק בין נקודות הנתונים בפועל לבין הערכים החזויים

לאחר מכן, המרחק מכל נקודת נתונים לקו נמצא כפי שמוצג בגרף לעיל. זהו המרחק בין הערך בפועל לערך החזוי. מרחק זה ידוע גם בשם השגיאה או שאריות. קו ההתאמה הטובה ביותר צריך להכיל את הסכום הנמוך ביותר של ריבועי שגיאות. כאשר ניתן ערך גשמים חדש (x), ניתן למצוא את תשואת היבול המתאימה (y) באמצעות שורה זו.

בעולם האמיתי יכולים להיות מספר משתנים עצמאיים (x1, x2, x3…). זה נקרא רגרסיה לינארית מרובה. משוואת הרגרסיה הלינארית המרובה היא כדלקמן.

מהי רגרסיה לוגיסטית

ניתן להשתמש ברגרסיה לוגיסטית לסיווג שתי מחלקות. זה ידוע גם בשם סיווג בינארי. בדיקה האם דוא"ל הוא דואר זבל או לא מנבא אם לקוח יקנה מוצר או לא, חיזוי אם אפשר לקבל מבצע או לא הם דוגמאות אחרות לרגרסיה לוגיסטית.

איור 3: רגרסיה לוגיסטית

נניח שמספר השעות שהתלמיד למד ביום הוא המשתנה הבלתי תלוי. בהתאם לכך, הסבירות לעבור בחינה מחושבת. הערך 0.5 נחשב כסף. כאשר ניתן מספר השעות החדש ניתן למצוא את ההסתברות המתאימה לעבור את הבחינה באמצעות גרף זה. אם ההסתברות היא מעל 0.5, היא נחשבת כ- 1 או מעבר. אם ההסתברות נמוכה מ- 0.5, היא נחשבת כ- 0 או נכשלת.

החלת משוואת הרגרסיה הלינארית על הפונקציה הסיגמואידית תעניק את משוואת הרגרסיה הלוגיסטית.

הפונקציה הסיגמואידית היא

נקודה חשובה נוספת שיש לציין היא כי רגרסיה לוגיסטית חלה רק על סיווג 2 כיתות. הוא אינו משמש לסיווג רב כיתתי.

ההבדל בין רגרסיה לינארית לרגרסיה לוגיסטית

הַגדָרָה

רגרסיה לינארית היא גישה ליניארית שמדגמנת את הקשר בין משתנה תלוי לבין משתנה עצמאי אחד או יותר. לעומת זאת, רגרסיה לוגיסטית היא מודל סטטיסטי החוזה את ההסתברות לתוצאה שיכולה להיות בעלת שני ערכים בלבד.

נוֹהָג

בעוד רגרסיה לינארית משמשת לפתרון בעיות רגרסיה, רגרסיה לוגיסטית משמשת לפתרון בעיות סיווג (סיווג בינארי).

מֵתוֹדוֹלוֹגִיָה

רגרסיה לינארית מעריכה את המשתנה התלוי כאשר יש שינוי במשתנה הבלתי תלוי. רגרסיה לוגיסטית מחשבת את האפשרות שאירוע יתרחש. זהו הבדל חשוב בין רגרסיה לינארית לרגרסיה לוגיסטית.

ערך פלט

כמו כן, ברגרסיה לינארית, ערך הפלט הוא רציף. ברגרסיה לוגיסטית, ערך הפלט דיסקרטי.

דֶגֶם

למרות שרגרסיה לינארית משתמשת בקו ישר, רגרסיה לוגיסטית משתמשת בעקומת S או בפונקציה סיגמואית. זהו הבדל חשוב נוסף בין רגרסיה לינארית לרגרסיה לוגיסטית.

דוגמאות

חיזוי התוצר של מדינה, חיזוי מחיר המוצר, חיזוי מחיר המכירה של הבית, חיזוי ציונים הם כמה דוגמאות לרגרסיה לינארית. חיזוי אם דוא"ל הוא דואר זבל או לא, ניבוי אם עסקת כרטיס האשראי היא הונאה או לא, ניבוי אם לקוח ייקח הלוואה או לא הם דוגמאות לרגרסיה לוגיסטית.

סיכום

ההבדל בין רגרסיה לינארית לרגרסיה לוגיסטית הוא כי רגרסיה לינארית משמשת לחיזוי ערך רציף ואילו רגרסיה לוגיסטית משמשת לחיזוי ערך בדיד. בקיצור, רגרסיה לינארית משמשת לרגרסיה בעוד רגרסיה לוגיסטית משמשת לסיווג.

התייחסות:

1. ניתוח רגרסיה לינארית | רגרסיה לינארית בפייתון | אלגוריתמים של למידת מכונה | Simplilearn, 26 במרץ 2018, זמין כאן.2. רגרסיה לוגיסטית | רגרסיה לוגיסטית בפייתון | אלגוריתמים של למידת מכונה | Simplilearn, 22 במרץ 2018, זמין כאן.

באדיבות התמונה:

1. "רגרסיה לינארית" מאת Sewaqu - עבודה משלו, נחלת הכלל) באמצעות Commons Wikimedia2. "שאריות להתאמה של רגרסיה לינארית" מאת Thomas.haslwanter-עבודה משלו (CC BY-SA 3.0) באמצעות Commons Wikimedia3. "עקומה לוגיסטית" מאת Qef (שיחה)-נוצר מאפס עם gnuplot (דומיין ציבורי) באמצעות Commons Wikimedia