La regresión logística como el modelo más simple posible (que…)

Problema de regresión. Queremos y = f(\mathbf{x}). Lo más simple que podemos hacer: fiarlo todo a Taylor y escribir y = a_0 + \sum_i a_i x_i.

Problema de clasificación. Lo más simple que podemos hacer, de nuevo: linealizar. Pero la expresión lineal tiene rango en (-\infty, \infty). Solución, buscar la función f más sencilla que se nos pueda ocurrir de (-\infty, \infty) en [0, 1]. Entonces, y = f(a_0 + \sum_i a_i x_i).

2 comentarios sobre “La regresión logística como el modelo más simple posible (que…)

  1. david 25 junio, 2020 22:22

    Entonces el único motivo para escoger la sigmoide es por ser sencilla? No hay ninguna justificación estadística detrás?

  2. Carlos J. Gil Bellosta 7 julio, 2020 16:47

    Efectivamente. No hay otro motivo. De hecho, otra gente prefiere otras funciones, como la de probabilidad normal (la acumulada), y tiene esencialmente, lo mismo (solo que con otro nombre: regresión probit).

Comenta

Your email address will not be published.

Puedes usar estas etiquetas y atributos de HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.