Resultado de búsqueda
La regresión logística estima la probabilidad de que ocurra un evento, como votar o no votar, en función de un conjunto de datos dado de variables independientes. Este tipo de modelo estadístico (también conocido como modelo logit) se utiliza a menudo para la clasificación y el análisis predictivo.
En estadística, la regresión logística es un tipo de análisis de clasificación utilizado para predecir el resultado de una variable categórica (una variable que puede adoptar un número limitado de categorías) en función de las variables independientes o predictoras.
En este post se explica qué es la regresión logística en estadística. Asimismo, encontrarás la fórmula de la regresión logística, cuáles son los diferentes tipos de regresión logística y, además, un ejercicio resuelto de la regresión logística.
La regresión logística es un modelo estadístico para estudiar las relaciones entre un conjunto de variables cualitativas Xi y una variable cualitativa Y. Se trata de un modelo lineal generalizado que utiliza una función logística como función de enlace.
La regresión logística es una de las diferentes técnicas de análisis de regresión que los científicos de datos utilizan habitualmente en machine learning (ML). Para entender la regresión logística, primero debemos entender el análisis de regresión básica.
Una regresión lineal es un modelo estadístico que nos permite explicar los datos con una recta. ¡Voilà! Hemos encontrado un modelo matemático (una recta) que relaciona la frecuencia cardíaca máxima con la edad. O dicho de otro modo, nos relaciona un fenómeno causa-efecto: Causa: edad – envejecimiento del corazón ->
La regresión logística es un caso especial del análisis de regresión y se utiliza cuando la variable dependiente tiene una escala nominal. Es el caso, por ejemplo, de la variable decisión de compra con los dos valores compra un producto y no compra un producto .
