Resultado de búsqueda
Definición. 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.
¿Alguna vez has visto en algún artículo científico la regresión logística? O has visto o te lo han recomendado utilizarlo con los datos que tienes entre manos. Pero lo cierto, es que no tienes demasiada idea de qué es una regresión logística ni cómo interpretarla. En este artículo te voy a ayudar a interpretar esta técnica.
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.
La regresión logística es un método estadístico utilizado para predecir la probabilidad de que ocurra un evento binario, como sí/no, verdadero/falso, o positivo/negativo. A diferencia de la regresión lineal, que se utiliza para predecir valores numéricos continuos, la regresión logística se enfoca en la predicción de valores categóricos.
Cuando queremos comprender la relación entre una o más variables predictoras y una variable de respuesta continua, a menudo usamos regresión lineal. Sin embargo, cuando la variable de respuesta es categórica, podemos utilizar la regresión logística.
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 .
Regresión logística. El algoritmo de logistic regression o regresión logística también se conoce como regresión logit, o clasificador de máxima entropía, y se encuadra dentro de los conocidos como modelos lineales generalizados.
