Wiarygodność i log-wiarygodność

Regresja liniowa optymalizuje metrykę „sumy kwadratów", aby znaleźć najlepsze dopasowanie. Ta metryka nie ma jednak zastosowania w regresji logistycznej. Zamiast niej regresja logistyczna optymalizuje metrykę zwaną wiarygodnością (ang. likelihood) lub pokrewną metrykę log-wiarygodności.

Panel pokazuje status odejścia klienta w zależności od czasu od ostatniego zakupu, na podstawie zbioru danych churn. Niebieska linia przerywana to linia predykcji regresji logistycznej wyznaczona przez funkcję geom_smooth() z ggplot2 – czyli linia „najlepszego dopasowania". Czarna linia ciągła przedstawia linię predykcji obliczoną na podstawie wartości wyrazu wolnego i współczynnika nachylenia, które podajesz w postaci plogis(intercept + slope * time_since_last_purchase).

Zmieniaj wartości wyrazu wolnego i współczynnika nachylenia, obserwując, jak zmieniają się wartości wiarygodności i log-wiarygodności.

Gdy zbliżasz się do linii najlepszego dopasowania, które stwierdzenie jest prawdziwe?