Note
- ロジスティクス回帰では、最尤法を利用してパラメータを推定する
- 対数尤度関数を最大(最小)にするパラメータを推定する
- その際どのように最適化するかとなったときに、解析的に最小値を求められないので以下の2つのどちらで最適化する
- Newton-Raphson 法
- Fisher Scoring 法
- Newton-Raphson 法よりは。Fisher Scoring 法の方が簡易に求められる?
ロジスティック回帰
- 2020/08/15
Note
- 回帰分析の一つ
- 被説明変数が量的(Quantitative)データではなく質的(Qualitative)データであるケースも多い
参考
「ロジスティック回帰」
- 統計分析を理解しよう-ロジスティック回帰分析の概要-
- 2019/07/19
- 多変量数値解析入門
- 4. ロジスティック回帰モデル
- ここでは Fisher Scoring法 を使用
- 4. ロジスティック回帰モデル
Newton-Raphson法
Note
参考
「ニュートン・ラフソン法」
「ニュートン・ラフソン法 ロジスティック回帰」
- ロジスティック回帰 - 人工知能に関する断創録
- PRML を参考
- 2010/04/30
- 反復重み付き最小二乗法(iterative reweighted least squares method: IRLS)
Fisher Scoring法
Note
- フィッシャースコア法
参考
「フィッシャースコア法」