Likelihood และ Log-likelihood

การถดถอยเชิงเส้น (Linear regression) พยายามหาค่าที่ดีที่สุดโดยใช้เมตริก "sum of squares" แต่เมตริกดังกล่าวใช้กับการถดถอยโลจิสติก (Logistic regression) ไม่ได้ โลจิสติกรีเกรสชันจะใช้เมตริกที่เรียกว่า likelihood หรือเมตริกที่เกี่ยวข้องกันอย่าง log-likelihood แทน

แดชบอร์ดแสดงสถานะการยกเลิกบริการ (churn) เทียบกับระยะเวลาตั้งแต่การซื้อครั้งล่าสุดจากชุดข้อมูล churn เส้นประสีน้ำเงินคือเส้นพยากรณ์จากโลจิสติกรีเกรสชัน (กล่าวคือ เป็นเส้น "best fit") ส่วนเส้นทึบสีดำคือเส้นพยากรณ์ที่คำนวณจากค่า intercept และ slope ที่คุณกำหนด ในรูปแบบ logistic.cdf(intercept + slope * time_since_last_purchase)

ลองเปลี่ยนค่า intercept และ slope แล้วสังเกตว่า likelihood และ log-likelihood เปลี่ยนแปลงอย่างไร

เมื่อเส้นพยากรณ์เข้าใกล้ best fit มากขึ้น ข้อใดต่อไปนี้เป็นจริง?