← 返回卡片

原书出处

大数据挖掘与统计机器学习

03 第3章 线性分类方法

核验版本的摘录快照 · 导入于 2026-11-18T10:22:02.198Z

c回归时,为使模型的形式更清楚,解释更方便,往往将式(3.1)转换为如下形式:

这个变换称为 Logit 变换。式(3.2)的左边我们很容易看出表示的是事件发生和不发生的概率之比(称作发生比odds)的对数,右边是通常的线性回归的形式,这预示着在解释系数时可以借鉴线性回归的经验

,具体做法在下面将会说明,这就是 Logit 变换所带来的好处。注意,与线性回归

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter5_0002.xhtml

EPUB SHA-256:6f2324b41414df46227a4d0ee4cc188eb120a38a798a14be96a3d7d919028c00