Olabilirlik ve log-olabilirlik

Doğrusal regresyon, en iyi uyumu bulmak için bir "kareler toplamı" ölçütünü eniyilemeye çalışır. Bu ölçüt lojistik regresyona uygulanamaz. Bunun yerine, lojistik regresyon olabilirlik ya da onunla ilişkili bir ölçüt olan log-olabilirliki eniyilemeye çalışır.

Panel, churn veri kümesinden son satın almadan bu yana geçen süreye karşı ayrılma (churn) durumunu gösteriyor. Mavi noktalı çizgi, ggplot2'nin geom_smooth() fonksiyonunun hesapladığı lojistik regresyon tahmin çizgisidir. (Yani bu, "en iyi uyum" çizgisidir.) Siyah düz çizgi ise senin belirlediğin kesişim ve eğim katsayılarından plogis(intercept + slope * time_since_last_purchase) ile hesaplanan tahmin çizgisini gösterir.

Kesişim ve eğim katsayılarını değiştir ve olabilirlik ile log-olabilirlik değerlerinin nasıl değiştiğini izle.

En iyi uyum çizgisine yaklaştıkça, olabilirlik ve log-olabilirlik hakkında hangi ifade doğrudur?