Що таке ЛОГІСТИЧНА РЕГРЕСІЯ Англійською - Англійська переклад

• logistic regression

Приклади вживання Логістична регресія Українська мовою та їх переклад на Англійською

Логістична регресія.
Logistic regression.

Лінійна і логістична регресія.
Linear and Logical Regression.

З цією метою розглядається логістична регресія.
This will be examined through logistic regression.

Лінійна і логістична регресія.
Linear and Logistic Regression.

Логістична регресія для вирішення задачі класифікації.
The use of logistic regression for classification tasks.

Лінійна та логістична регресія.
Linear and Logistic Regression.

Для цього зазвичай використовується логістична регресія.
In these circumstances logistic regression is often used.

Класифікація(логістична регресія).
Classification(logistic regression).

Ключові слова: інтракраніальні аневризматичні крововиливи, прогноз, логістична регресія.
Keywords: intracranial aneurism hemorrhages, prognosis, logistic regression.

Незважаючи на свою назву, логістична регресія це по суті алгоритм класифікації.
Despite its name, Logistic Regression is actually a classification algorithm.

Такі методи, як логістична регресія, пробіт регресії можуть бути використані для емпіричного аналізу дискретного вибору.
Techniques such as logistic regression and probit regression can be used for empirical analysis of discrete choice.

З цієї точки зору ОВМ є тісно пов'язаними з іншими фундаментальними алгоритмами класифікації, такими як регуляризовані найменші квадрати[en] та логістична регресія.
From this perspective, SVM is closely related to other fundamental classification algorithms such as regularized least-squares and logistic regression.

До них відносяться логістична регресія, регресія Пуассона, аналіз даних"історії подій" та модель регресії пропорційної небезпеки Кокса.
These include logistic regression, Poisson regression, analysis of'event history' data, and the Cox proportional hazards regression model.

Отримати глибоке розуміння моделей навчання з учителем і без, як приклад лінійна регресія, логістична регресія, SVM, кластеризація і К найближчих сусідів.
Obtain an in-depth understanding of supervised and unsupervised learning models such as linear regression, logistic regression, SVM, clustering and K-NN.

Деякі моделі класифікації, такі як наївний баєсів класифікатор, логістична регресія та багатошарові перцептрони(при тренуванні за відповідної функції втрат) є природно ймовірнісними.
Some classification models, such as naive Bayes, logistic regression and multilayer perceptrons(when trained under an appropriate loss function) are naturally probabilistic.

Є багато варіантів, що стосуються алгоритмів навчання, але найпоширенішими підозрюваними є наївні байеси, випадкові ліси, логістична регресія та все частіше нейронні мережі.
There are many choices concerning learning algorithms, but the most common suspects are Naïve Bayes, random forests, logistic regression and, increasingly, neural networks.

Щойно складений автокодувальник натреновано, його вихід може бути використано як вхід до алгоритму керованого навчання, такого як класифікатор методом опорних векторів або багатокласова логістична регресія.
Once the stacked auto encoder is trained, its output can be used as the input to a supervised learning algorithm such as support vector machine classifier or a multi-class logistic regression.

Логістична регресія- оцінка максимальної правдоподібності w →{\displaystyle{\vec{w}}}, виходячи з того, що спостережуваний тренувальний набір було породжено біноміальною моделлю, яка залежить від виходу класифікатора.
Logistic regression- maximum likelihood estimation of w→{\displaystyle{\vec{w}}} assuming that the observed training set was generated by a binomial model that depends on the output of the classifier.

Через їх важливість, ці змінні часто розглядають як окрему категорію, з окремим розподілом(розподілом Бернуллі) та окремими регресійними моделями(логістична регресія, пробіт-регресія тощо).
Because of their importance, these variables are often considered a separate category, with a separate distribution(the Bernoulli distribution) and separate regression models(logistic regression, probit regression, etc.).

Функція софтмакс використовується різних методах багатокласової класифікації, таких, як наприклад мультиноміальна логістична регресія(також відома яксофтмакс-регресія), багатокласовий лінійний розділювальний аналіз, наївний баєсів класифікатор, і штучні нейронні мережі.
The softmax function is used in various multiclass classification methods, such as multinomial logistic regression(also known as softmax regression), multiclass linear discriminant analysis, naive Bayes classifiers, and artificial neural networks.

Однак, дискретний вибір також може бути використаний для вивчення обраної кількості, коли тільки декілька величин повинні бути обрані з такого як: кількість транспортних засобів, яким домашнім господарством краще володіти, яку кількість телекомунікаційних послуг клієнт хоче придбати. Такі методи, як логістична регресія, пробіт регресії можуть бути використані для емпіричного аналізу дискретного вибору.
However, discrete choice analysis can also be used to examine the chosen quantity when only a few distinct quantities must be chosen from, such as the number of vehicles a household chooses to own[1] and the number of minutes of telecommunications service a customer decides to purchase.[2] Techniques such as logistic regression and probit regression can be used for empirical analysis of discrete choice.

Логістична регресії.
Logistic regression.

Регресійний аналіз: лінійна та логістична регресії в R.
Logistic regression mean and logistic regression in R.

Machine Learning I- лінійні та логістичні регресії.
Machine Learning I- linear and logistic regressions.

Потім побудуємо імовірнісну модель(скажімо, логістичні регресію) на підставі відібраних змінних, щоб передбачити, чи буде користувач пити Сойлент.
Next, build a probabilistic model(say, a logistic regression) based on these variables to predict whether a user will start drinking Soylent or not.

В цьому випадку Blumenstock використовували логістичну регресію з 10-кратним перехресної перевірки, але він міг би використовувати цілий ряд інших підходів статистичних або машинного навчання.
In this case, Blumenstock used logistic regression with 10-fold cross-validation, but he could have used a variety of other statistical or machine learning approaches.

Використання цих незалежних детермінант у моделі логістичної регресії дає змогу прогнозувати несприятливе щодо серцево-судинного ризику зниження РРА менше 130% із точністю 72, 8%.
Use of these independent determinants in a logistic regression model allows predicting unfavorable as to cardiovascular risk reduction in PPA< 130% with accuracy of 72.8%.

Методами логістичної регресії і дискримінантного аналізу перевірили існування специфічних чинників ризику розвитку коронарного атеросклерозу у пацієнтів зі звивистими коронарними артеріями.
Risk factors of coronary atherosclerosis in patients with tortuous coronary arteries were identified using logistic regression and discriminant analysis methods.

В цьому випадку Blumenstock використовували логістичну регресію з 10-кратним перехресної перевірки, але він міг би використовувати цілий ряд інших підходів статистичних або машинного навчання.
In this case, Blumenstock used logistic regression, but he could have used a variety of other statistical or machine learning approaches.

Чому деякі формули мають коефіцієнт на фронті в правдоподібності логістичної регресії, а деякі- ні?
Why do some formulas have the coefficient in the front in logistic regression likelihood, and some don't?