Ймовірність і лог-імовірність

Лінійна регресія намагається оптимізувати метрику «сума квадратів», щоб знайти найкраще наближення. Ця метрика не застосовна до логістичної регресії. Натомість логістична регресія оптимізує метрику, яку називають «ймовірність» (likelihood), або споріднену з нею «лог-імовірність» (log-likelihood).

Інформаційна панель показує статус відтоку клієнта залежно від часу з моменту останньої покупки з набору даних churn. Синя пунктирна лінія — це лінія прогнозу логістичної регресії (тобто «найкраще наближення»). Суцільна чорна лінія відображає лінію прогнозу, обчислену за заданими вами коефіцієнтами вільного члена та нахилу як logistic.cdf(intercept + slope * time_since_last_purchase).

Змініть коефіцієнти вільного члена та нахилу й подивіться, як змінюються значення ймовірності та лог-імовірності.

Коли ви наближаєтеся до лінії найкращого наближення, яке твердження про ймовірність і лог-імовірність є правильним?