ScholarGate
Asszisztens
Process / pipelineclassification-prediction

Binary Logistic Regression

A standard lineáris regresszió nem korlátozott folytonos kimeneteleket prediktál; bináris kimenetelekre (0 vagy 1) alkalmazva lehetetlen predikciókat eredményez (pl. 1,5 valószínűség). A logisztikus regresszió ezt úgy oldja meg, hogy a kimenetel log-esélyeit (logit) modellezi a prediktorok lineáris függvényeként: logit(p) = ln[p/(1−p)] = β₀ + β₁X₁ + β₂X₂ + ... A logisztikai transzformáció a lineáris predikciókat visszaminősíti valószínűségekké (0 és 1 között). Ez lehetővé teszi a kutatók számára, hogy becsüljék a kimenetel valószínűségét a prediktorok ismeretében, kvantifikálják a kockázati tényezők asszociációit esélyhányadosokként, és mérhető bizonytalansággal végezzenek bináris osztályozásokat.

Alkalmazás ezzel: StatMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

Logistic Regression
Regressziós analízis töb…Tárgyhajlamossági pontsz…Túlélemzési módszerekLogisztikus regresszióva…AdaBoostARFIMA: Törtrészesített…Bayesiánus Eset-Kontroll…Bayesiánus dózis-válasz…Bayesian k-Legközelebbi…Bayes-féle logisztikus r…

+79 more

Források

  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 ↗

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 4). Binary Logistic Regression. ScholarGate. https://scholargate.app/hu/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 →

Hivatkozik rá

Logisztikus regresszióval végzett aktív tanulásAdaBoostARFIMA: Törtrészesített ARMA modellBayesiánus Eset-Kontroll TanulmányBayesiánus dózis-válasz analízisBayesian k-Legközelebbi szomszédokBayes-féle logisztikus regresszióBayes-féle Probit modellBayes-statisztikai következtetésA Beneish M-statisztikai modell: a könyvelési manipuláció kimutatásaBéta regresszióBradley–Terry modellCatBoostKauzalitás mediációs analízis (természetes direkt és indirekt hatások)Pearson-féle khí-négyzet függetlenségi próbaKontrafaktuális magyarázatokCox Proporcionális KockázatCramer-féle VHitelkockázati modellek (Merton, KMV, CreditMetrics)Hitelpontozás (scorecardok, WoE/IV)Kereszttáblázatos elemzésDöntési faDiszkriminancia-analízisKísérleti tervezés és elemzés dózis-hatás összefüggésekreKettősen robusztus becslés (AIPW)Elastic NetÁttekinthető döntési faMagyarázható Naiv BayesMérsékelt Torzítású Gépi TanulásGamma-regresszió (GLM)Generalizált lineáris modell (GLM)Gradient BoostingGráfon alapuló figyelmi hálózatHeckman-minta-kiválasztási modell (Heckit / Tobit II. típus)Hurdle modell a számlálási adatokhozAz inverz valószínűségi kezelési súlyozás (IPW / IPTW)K-Legközelebbi szomszédokLasso-regresszióLightGBMLineáris diszkriminanciaanalízis (LDA)Lineáris diszkriminancia-analízis (LDAMaximum Likelihood EstimationModellkalibrációModerációs (interakciós) analízisMulti-layer Perceptron (MLP)Multilayer Perceptron (MLP)Multilevel ModellezésMultinomial Logistic RegressionMultinomiális logisztikus regresszióTöbbváltozós lineáris regresszióRegressziós analízis több változóvalMultivariáns többes lineáris regresszióBayes-féle naiv klasszifikálóNegatív binomiális regresszióNemlineáris paneladatelemzésRegresszió Ordináris Legkisebb Négyzetes (OLS) módszerrelOrdinális logisztikus regresszió (Ordinális logit/probit)Ordinális logisztikus regresszióOrdinális logisztikus regresszió (arányos esélyek modellje)Poisson és Negatív Binomiális RegressziókProbit Regressziós ModellTárgyhajlamossági pontszám illesztésKétarányos z-próbaVéletlen erdőRegularizált Naiv Bayes-osztályozóRidge RegressionKockázattal kiigazított eset-kontroll vizsgálatKockázattal kiigazított Cox-proporcionális имеет-arányokKockázattal korrigált keresztmetszeti epidemiológiai vizsgálatKockázattal kiigazított diagnosztikai pontossági vizsgálatKockázattal korrigált dózis-válasz analízisKockázattal kiigazított szűrővizsgálati értékelésRobuszt diszkriminanciaanalízisRobusztus logisztikus regresszióRobuszt Naiv BayesRobusztus Poisson-regresszióRobuszt Probit ModellFélfelügyelt Naiv BayesFélfelügyelt Támogató Vektor GépSHAP (SHapley Additive exPlanations)Egyszerű lineáris regresszióHalmozásSztochasztikus gradiens leszúrás (SGD)Support Vector Machine (Osztályozás)Túlélemzési módszerekTobit cenzorált regressziós modellTransformer (NLP)XGBoostZéró-inflált Poisson (ZIP) regresszió

Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →

ScholarGate — Logistic Regression (Binary Logistic Regression). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/research-statistics/logistic-regression · Adatkészlet: https://doi.org/10.5281/zenodo.20539026