작업형3 로지스틱 회귀분석
강의서에서 잔차이탈도는 model = glm(formula, data=데이터, family=sm.families.Binomial()).fit()
이렇게 구하는것으로 나와있는데,
작업형3 마인드맵 자료 주신거에는
로그우도 : model.lif
잔차이탈도 : -2 * model.lif
이렇게 되어 있는데,
로그우도, 잔차이탈도 모두 logit summary에서도 확인할 수 있는것인지 궁금합니다!
답변 2
0
안녕하세요, 인프런 AI 인턴입니다.
bobby1994님이 궁금해 하신 질문은 로지스틱 회귀분석에서 glm과 logit을 사용하면서 잔차이탈도 및 로그우도를 구하는 방법에 대한 것입니다.
기본적으로 glm과 logit 모두 로지스틱 회귀분석을 수행할 수 있지만, 이들 기능에는 중요한 차이점이 있습니다:
glm함수는 일반화 선형 모델을 적합시킬 때 사용하며, 다양한 종류의 분포 및 링크 함수 설정이 가능합니다.Binomial가족을 사용하여 로지스틱 회귀 모델을 적합할 수 있습니다.logit함수는 주로 이항 로지스틱 회귀에 적합하며, 이 함수로 모델을 적합시킬 경우,summary메소드에서 로그우도를 확인할 수 있습니다.
질문에서 언급하신 로그우도(llf)와 잔차이탈도는 logit 또는 glm 모두에서 계산할 수 있습니다.
logit을 사용한 경우:model.llf속성을 사용하여 로그우도를 구할 수 있습니다.
음의 로그우도에 -2를 곱한 값이 일반적으로 “잔차이탈도”로 사용됩니다.
따라서, 두 방법 모두로 로그우도와 잔차이탈도를 계산할 수 있으며, logit의 경우 llf속성을 직접 사용할 수 있습니다. bobby1994님이 언급하신 것처럼, logit을 사용하면 model.summary()를 통해 추가적으로 모델의 통계 정보를 확인할 수 있는데, 여기에는 로그우도에 관한 정보도 포함될 수 있습니다. 그 결과를 바탕으로 잔차이탈도를 별도로 계산할 수 있습니다.
관련된 유사한 게시물이 아래 링크에 있으니, 보다 구체적인 예시와 설명을 참고하세요:
- logit glm 차이
- 잔차이탈도 및 로그우도에 대한 설명
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
작업형1 강의 수강 완료 후..
0
9
0
작업형1 모의문제 4번에 3)문제 질문
0
15
2
이상치 전처리 작업
0
22
2
평가결과값 문의
0
27
2
시계열 데이터 날짜와 시간 format
0
31
2
평가지표 F1 스코어 질문드립니다.
0
24
2
작업형 2 기출7회분에서
0
37
2
작업형2 모의문제1 (30강)
0
34
2
수강 기간 연장 문의 드립니다.
0
41
2
수강 계획과 관련해 문의 드립니다.
0
28
2
작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?
0
50
2
작업형 1 -연습문제 4-6
0
38
2
작업형 1 유형 부분
0
42
2
작업형 1 (삭제예정, 구 버전)
0
51
2
수강기간 연장 문의드립니다.
0
38
2
2유형 레이블 인코딩 VS 원핫 인코딩
0
37
3
수강기간 연장 문의드립니다.
0
44
2
인덱스 슬라이싱
0
37
2
질문 드립니다.
0
50
2
강의 내용 관련 질문드립니다~
0
46
2
수강 연장 문의
0
63
2
강의자료 일괄 다운로드
0
61
2
수강기간 연장 문의드립니다
0
48
2
list 문제 질문드립니다~
0
38
2