Process / pipelineclassification-prediction

رگرسیون لجستیک

رگرسیون لجستیک یک روش آماری برای مدل‌سازی احتمال یک پیامد دوتایی (وجود/عدم وجود بیماری، موفقیت/شکست) به عنوان تابعی از پیش‌بینی‌کننده‌های پیوسته و طبقه‌بندی‌شده است. این روش که توسط دیوید راکسبی کاکس (1958) توسعه یافته است، با اعمال یک تبدیل لجستیک برای محدود کردن پیش‌بینی‌ها به بازه احتمال [0,1]، مشکل پیش‌بینی پیامدهای طبقه‌بندی‌شده را حل می‌کند و امکان طبقه‌بندی ریسک دقیق، پیش‌بینی تشخیصی و استنتاج علی را در اپیدمیولوژی، پزشکی و علوم اجتماعی فراهم می‌آورد.

به‌کارگیری با StatMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

+79 more

منابع

  1. Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. DOI: 10.1111/j.2517-6161.1958.tb00292.x
  2. Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons. DOI: 10.1002/9781118548387

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 4). Binary Logistic Regression. ScholarGate. https://scholargate.app/fa/research-statistics/logistic-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

رگرسیون لجستیک یادگیری فعالAdaBoostمدل ARMA با انتگرال‌گیری کسری (ARFIMA)مطالعه مورد-شاهدی بیزیتحلیل بیزی رابطه دوز-پاسخهمسایگان نزدیک بیزیرگرسیون لجستیک بیزیمدل پروبیت بیزیاستنتاج آماری بیزیامتیاز M بنیش: کشف دستکاری سودرگرسیون بتامدل بردلی-تریCatBoostتحلیل میانجی‌گری سببی (اثرات مستقیم و غیرمستقیم طبیعی)آزمون استقلال کای-دو پیرسونتوضیحات پادواقعیمدل رگرسیون کوکس (Cox Proportional Hazards)ضریب V کرامرمدل‌های ریسک اعتباری (مرتون، KMV، CreditMetrics)امتیازدهی اعتباری (کارت امتیازی، WoE/IV)تحلیل جدول ترکیبیدرخت تصمیمتحلیل تمایزطراحی و تحلیل آزمایشی پاسخ به دوزبرآورد دوگانه استوار (AIPW)الاستیک نت (Elastic Net)درخت تصمیمِ قابل‌تفسیرنِییو بِییزِ قابل توضیح (Explainable Naive Bayes)یادگیری ماشین آگاه از انصافرگرسیون گاما (GLM)مدل خطی تعمیم‌یافته (GLM)گرادیان بوستینگ (Gradient Boosting)شبکه توجه گرافمدل انتخاب نمونه هکمن (Heckit / Tobit Type II)مدل مانع برای داده‌های شمارشیوزن‌دهی احتمال معکوسِ دریافتِ درمان (IPW / IPTW)کی-نزدیک‌ترین همسایگانرگرسیون لسولایت‌جی‌بی‌ام (LightGBM)تحلیل تشخیصی خطی (LDA)تحلیل تبعیضی خطی (LDAبرآورد درستنمایی بیشینهکالیبراسیون مدلتحلیل تعدیل (تعامل)پرسپترون چندلایه (MLP)پِرسِپترون چندلایه‌ای (MLP)مدل‌سازی چندسطحیرگرسیون لجستیک چندجمله ایرگرسیون لجستیک چندجمله‌ای (Multinomial Logistic Regression)رگرسیون خطی چندگانهتحلیل رگرسیون چندگانهرگرسیون چندمتغیره خطی چندگانهبی‌یز ساده (Naive Bayes)رگرسیون دوجمله‌ای منفیتحلیل داده‌های پانل غیرخطیرگرسیون حداقل مربعات معمولی (OLS)رگرسیون لجستیک ترتیبی (Ordered Logit/Probit)رگرسیون لجستیک ترتیبیرگرسیون لجستیک ترتیبی (مدل شانس متناسب)رگرسیون پواسون و دوجمله‌ای منفیمدل رگرسیون پروبیتتطابق امتیاز تمایل (Propensity Score Matching)آزمون z دو نسبتیجنگل تصادفینِیْو بِیْز مُنَظَّم (Regularized Naive Bayes)رگرسیون ریج (Ridge Regression)مطالعه مورد-شاهدی با تعدیل خطررگرسیون بقای چندمتغیره با نسبت خطر متناسب تعدیل‌شده بر اساس ریسک (مدل کاکس)مطالعه اپیدمیولوژیک مقطعی تعدیل‌شده بر اساس ریسکمطالعه دقت تشخیصی تعدیل‌شده با ریسکتحلیل نسبت خطر تعدیل‌شده بر اساس دوزارزیابی آزمون غربالگری با تعدیل ریسکتحلیل تشخیصی مقاومرگرسیون لجستیک مقاومنایوبیز قویرگرسیون پواسون مقاوممدل پروبیت مقاومنِیو بِیز نیمه‌نظارت‌شدهماشین بردار پشتیبان نیمه‌نظارت‌شدهSHAP (SHapley Additive exPlanations)رگرسیون خطی سادهچیدمانکاهش گرادیان تصادفی (SGD)ماشین بردار پشتیبان (طبقه‌بندی)تحلیل بقامدل رگرسیون سرکوب‌شده توبیتترنسفورمر (پردازش زبان طبیعی)XGBoostرگرسیون پواسون با تورم صفر (ZIP)
ScholarGateLogistic Regression (Binary Logistic Regression). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/research-statistics/logistic-regression · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026