Regresi Logistik vs. Regresi Linier

Perbedaan Antara Regresi Logistik dan Regresi Linear

Dalam regresi logistik vs. regresi linier, regresi logistik mengevaluasi probabilitas suatu peristiwa yang terjadi berdasarkan variabel independen, dan regresi linier memprediksi nilai variabel dependen berdasarkan variabel independen.

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel menjadi Hyperlink
Misalnya: Sumber: Regresi Logistik vs. Regresi Linier (wal lstreetmojo.com)

Karena probabilitas estimasi regresi logistik, output akan berupa angka antara 0 dan 1; variabel dependen dalam bentuk biner. Dalam kasus regresi linier, variabel dependen (variabel respon) bersifat kontinu.

Takeaway kunci

• Regresi logistik vs regresi linier dalam pembelajaran mesin adalah algoritme untuk menganalisis data, sampel, dan situasi dan memperoleh kemungkinan perubahan, skenario, atau hasil.
• Dalam regresi linier, analis mencari nilai variabel dependen, dan hasilnya berupa contoh nilai konstanta. Dalam kasus regresi logistik, hasilnya bersifat kategoris.
• Nilai hasil regresi logistik dapat berupa ya atau tidak, 1 atau 2, dan benar atau salah. Sebaliknya, hasil regresi linier adalah nilai kontinu.

Tabel Komparatif – Regresi Logistik dan Regresi Linear

Apa itu Regresi Logistik?

Aplikasi regresi logistik populer dalam klasifikasi dan analitik prediktif. Metode memperkirakan hasil dalam bentuk probabilitas berdasarkan variabel independen. Persamaan regresi logistik berisi variabel dependen, variabel independen, parameter beta, koefisien, dan komponen error.

Pertama, parameter atau koefisien beta terbaik diestimasi menggunakan estimasi kemungkinan maksimum (MLE) dengan cara yang menghasilkan kecocokan terbaik. Perhitungan probabilitas kemudian mengikutinya. Nilai probabilitas hanya berkisar antara 0 dan 1. Untuk memahami klasifikasi biner, perhatikan sebuah contoh, jika probabilitasnya kurang dari 0,5 maka hasilnya adalah 0, dan jika probabilitasnya sangat mendekati 1, maka outputnya akan menjadi 1.

Regresi logistik diklasifikasikan menjadi tiga jenis, yaitu biner, multinomial, dan ordinal. Dalam tipe biner, variabel dependen hanya keluar 1 atau 0, yang berarti hasilnya pasti dan hanya menampilkan satu hasil; ini bisa benar atau salah, ya atau tidak, menang atau kalah, sukses atau gagal tapi hanya salah satunya.

Dalam kasus multinomial, tidak ada signifikansi kuantitatif dalam hasil regresi jenis ini, yang mewakili tiga atau lebih kemungkinan hasil seperti tipe A, tipe B, atau tipe C. Tipe ketiga, tipe ordinal, mirip dengan multinomial tetapi juga memiliki kepentingan kuantitatif . Hasilnya memiliki multi-kategori seperti baik, lebih baik, dan terbaik, dan setiap level memiliki skor seperti 0, 1, 2, 3, dll. Ini menafsirkan regresi logistik biner, multinomial, atau ordinal vs regresi linier.

Apa itu Regresi Linier?

Regresi linier adalah teknik statistik yang dikaitkan dengan analitik prediktif. Ini digunakan untuk memprediksi nilai kuantitatif dari suatu variabel atau hasil di masa depan. Nilai variabel dependen dievaluasi berdasarkan variabel independen. Metode ini memanfaatkan hubungan linear antara variabel dependen dan satu atau lebih variabel independen.

Variabel dependen dimodelkan sebagai fungsi linier yang mengandung parameter regresi dan kesalahan acak. Kriteria, seperti metode kuadrat terkecil, digunakan untuk menentukan parameter dari data, yang paling sesuai dengan data. Misalkan ada lebih dari satu variabel independen dalam tes. Dalam hal ini, prosesnya disebut regresi linier berganda, dan alasan ini menunjuk pada penjelasan regresi linier berganda vs regresi logistik.

Variabel dependen identik dengan respons, target, output, hasil, prediksi, dll. Pada saat yang sama, variabel independen juga dikenal sebagai variabel input, faktor, variabel penjelas, variabel prediktor, dll.

Penggunaan regresi linier populer dalam bisnis, ilmu perilaku, biologi, dan ilmu sosial. Di sisi lain, aplikasi regresi logistik lebih populer di bidang-bidang seperti pembelajaran mesin dan ilmu sosial. Dalam kategori aplikasi yang luas ini, jika nilai prediksi harus probabilitas daripada hasil dan variabel dependen adalah regresi logistik biner lebih disukai daripada regresi linier dan membentuk alasan untuk menafsirkan kapan harus menggunakan regresi logistik vs regresi linier.

Kesamaan

• Keduanya adalah model regresi untuk menganalisis data, memprediksi hasil, dan membangun hubungan.
• Kedua model memiliki aplikasi yang luas di berbagai bidang studi, eksperimen, penelitian, dan survei.
• Keduanya adalah algoritma pembelajaran mesin yang dirancang dan dibangun dengan baik, yang menunjukkan pentingnya melalui contoh regresi linier vs regresi logistik dalam pembelajaran mesin.
• Kedua algoritma menerapkan variabel dependen dan independen dalam regresi linier dan logistik.
• Keduanya adalah cabang dari studi dan penelitian pembelajaran yang diawasi.

Regresi Logistik vs. Regresi Linier Infografis

Artikel yang Direkomendasikan

Ini telah menjadi panduan untuk Regresi Logistik vs Regresi Linear. Kami menjelaskan 8 perbedaan teratas di antara mereka dengan infografis dan tabel perbandingan. Anda dapat mempelajari lebih lanjut tentang mereka dari artikel berikut –

• Regresi Nonlinier
• Contoh Regresi Linear
• Pemodelan Prediktif