왜 로지스틱 회귀가 로지스틱 분류라고하지 않습니까?

이후 로지스틱 회귀는 통계적되는 분류 모델은 범주 형 종속 변수로 취급, 왜 호출되지 않습니다 물류 분류 ? 연속 회귀 변수를 다루는 모델에 "회귀"이름을 예약해서는 안됩니까?

로지스틱 회귀는 그 자체로는 분류 알고리즘이 아닙니다 . 결과의 예측 확률을 이분법으로 만드는 결정 규칙 과 결합 된 분류 알고리즘 일뿐 입니다. 로지스틱 회귀 분석 은 피쳐의 다중 선 함수로 클래스 멤버쉽의 확률을 추정하기 때문에 회귀 모델입니다.

Frank Harrell 은이 웹 사이트에 로지스틱 회귀 분석에 대한 함정을 분류 알고리즘으로 열거 한 많은 답변을 게시했습니다. 그들 중 :

• 분류는 결정 입니다. 최적의 결정을하려면 유틸리티 함수를 평가해야합니다. 즉, 결과의 불확실성, 즉 확률을 고려해야합니다. ≈
• 오 분류 비용은 모든 단위에서 균일하지 않습니다.
• 컷오프를 사용하지 마십시오.
• 적절한 점수 규칙을 사용하십시오.
• 문제는 실제로 분류가 아니라 위험 평가입니다.

내가 올바르게 기억한다면, 그는 한 번 더 이러한 점들에 대해 더 자세히 설명하기 위해 회귀 전략에 관한 그의 책을 지적했지만, 그 특정 게시물을 찾을 수없는 것 같습니다.

추상적으로 회귀는 조건부 기대 값 를 계산하는 문제입니다 . 이 기대에 의해 취해지는 형태는 데이터가 어떻게 생성되었는지에 대한 가정에 따라 다릅니다.$E[Y|X=x]$

• 정규 분포를 따르는 정규 분포 (Y | X = x)는 고전 선형 회귀 분석으로 산출됩니다.
• 포아송 분포를 가정하면 포아송 회귀가 생성됩니다.
• Bernoulli 분포를 가정하면 로지스틱 회귀가 생성됩니다.

"회귀"라는 용어는 (Q 의 주어진 Quantile을 추정하는 Quantile Regression과 같은 접근법을 포함하여 이보다 더 일반적으로 사용되었습니다 .$(Y|X=x)$

이미 제공된 좋은 대답 외에도 Logistic Regression 은 0에서 1 사이의 범위에 있는 확률 ( 연속적인 값 )을 예측 합니다.