Logit功能的目的是什么？在模型构建过程的哪个阶段使用此logit功能？

Question

在逻辑回归算法中，我们有两个突出的功能（或者可以说方程式）：

1. 逻辑回归函数。
2. 登录功能。

我想知道：

• 逻辑回归模型的建立过程中使用了哪些方程式？
• 在模型构建过程的哪个阶段使用了哪些方程式？

我知道logit函数用于将概率值（范围b / w为0和1）转换为实数值（范围为b / w -Inf至+ Inf）。我想知道logit函数在逻辑回归建模过程中的真正目的。

以下是与Logistic回归建模中的logit函数的目的直接相关的查询：

1. Logit函数（即Logit方程LN（P / 1-P））是从Logistic回归方程中导出还是以其他方式导出？

2. Logit方程在Logistic回归方程中的用途是什么？在Logistic回归算法中如何使用logit函数？通过第点之后，提出此问题的原因将变得清楚。 3＆4。

3. 在建立逻辑回归模型时，我们得到了模型系数。当我们将这些模型系数和相应的预测变量值代入logistic回归方程时，我们将获得默认类别的概率值（与predict（）返回的值相同）。

   • 这是否意味着确定估计的模型系数值 基于概率值（使用对数回归方程而不是对数方程计算），将其输入到似然函数以确定是否将其最大化？如果这种理解是正确的，那么在模型构建的整个过程中将使用logit函数。

4. 假定-“在模型构建期间而不是在预测值期间均未使用logit函数”。如果是这种情况，那么我们为什么要重视logit函数，该函数用于将概率值映射到实数值（介于-Inf到+ Inf之间）。

   • 在整个Logistic回归模型构建过程中，到底在哪里使用了logit函数？是在估算模型系数时吗？

5. 运行摘要时看到的模型系数估计值是使用logistic回归方程（logit方程）的线性形式还是实际的logistic回归方程来确定的？

Answer 1

  

Logit功能的用途是什么？

Logit函数的目的是将实空间[0，1]间隔转换为无穷大。

如果检查Math Logit函数，它将把实际空间从[0,1]间隔转换为无穷大[-inf，inf]。

Sigmoid和softmax会做相反的事情。他们会将[-inf，inf]实际空间转换为[0，1]实际空间。

这就是为什么在机器学习中，我们可以在使用Sigmoid和softmax函数之前使用logit，因为它们匹配得很好。