Likelihood y log-likelihood

La regresión lineal intenta optimizar una métrica de "suma de cuadrados" para encontrar el mejor ajuste. Esa métrica no es aplicable a la regresión logística. En su lugar, la regresión logística intenta optimizar una métrica llamada likelihood o una métrica relacionada llamada log-likelihood.

El panel muestra el estado de churn frente al tiempo desde la última compra del conjunto de datos churn. La línea azul de puntos es la línea de predicción de la regresión logística (es decir, la "línea de mejor ajuste"). La línea negra continua muestra una línea de predicción calculada a partir de los coeficientes de intercept y slope que especifiques como logistic.cdf(intercept + slope * time_since_last_purchase).

Cambia los coeficientes intercept y slope y observa cómo cambian los valores de likelihood y log-likelihood.

A medida que te acercas a la línea de mejor ajuste, ¿qué afirmación es cierta sobre likelihood y log-likelihood?