Likelihood & log-likelihood
Hồi quy tuyến tính tìm cách tối ưu một thước đo "tổng bình phương" để tìm đường khớp tốt nhất. Thước đo đó không áp dụng cho hồi quy logistic. Thay vào đó, hồi quy logistic tối ưu một thước đo gọi là likelihood, hoặc một thước đo liên quan gọi là log-likelihood.
Bảng điều khiển hiển thị trạng thái churn theo thời gian kể từ lần mua gần nhất từ bộ dữ liệu churn. Đường chấm màu xanh là đường dự báo của hồi quy logistic (tức là đường "khớp tốt nhất"). Đường liền màu đen biểu thị đường dự báo được tính từ hệ số chặn và hệ số dốc bạn chỉ định theo công thức logistic.cdf(intercept + slope * time_since_last_purchase).
Hãy thay đổi hệ số chặn và hệ số dốc và quan sát cách các giá trị likelihood và log-likelihood thay đổi.
Khi bạn tiến gần đến đường khớp tốt nhất, phát biểu nào sau đây là đúng về likelihood và log-likelihood?
Bài tập này là một phần của khóa học
Hồi quy trung cấp với statsmodels trong Python
Bài tập tương tác thực hành
Biến lý thuyết thành hành động với một trong các bài tập tương tác của chúng tôi
Bắt đầu bài tập