Machine learningMachine learning
ロジスティック回帰 (ML)
ロジスティック回帰は、予測変数（説明変数）の線形関数として、二値（または多値）結果の対数オッズをモデル化する、基礎的な確率的分類器である。1958年にD. R. Coxによって導入されたこの手法は、統計学と機械学習の両方において、最も広く使用され、解釈可能な分類手法の一つであり続けており、その調整された確率出力と明確な係数解釈によって高く評価されている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
出典
- 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 ↗
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 4). Springer. ISBN: 978-1-4614-7138-7
このページの引用方法
ScholarGate. (2026, June 3). Logistic Regression (Machine Learning Classification Model). ScholarGate. https://scholargate.app/ja/machine-learning/logistic-regression-ml
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.
- 決定木機械学習↔ compare
- 線形回帰（機械学習）機械学習↔ compare
- ナイーブベイズ機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- 正則化ロジスティック回帰機械学習↔ compare