Logit模型簡介

一尝抖、概率

是用來描述某件事發(fā)生的可能性伴嗡。

事件 A 發(fā)生的概率 = 事件 A 出現(xiàn)的次數(shù) / 所有結(jié)果出現(xiàn)的次數(shù)


例如:擲骰子,擲出點數(shù)為6的概率:


二沐批、Odds

是用來描述某件事發(fā)生的可能性纫骑。(勝率)

Odds = 事件發(fā)生的概率 / 事件不發(fā)生的概率 = 成功的概率 / 失敗的概率


例如:擲骰子,擲出 6 的概率是 P=1/6 九孩,出現(xiàn)其他點數(shù)的概率是 1-P=5/6 先馆,擲出點數(shù)為 6 的 Odds = 1/5。


三躺彬、Logit

Odds 的對數(shù)稱為 Logit
Logit:Log of odds(Log-it 即 it 的自然對數(shù)煤墙,這里的 it 指的就是 Odds)


Logit 的很重要的特性就是沒有上下限梅惯,Logit 是直接對勝率進(jìn)行建模。

四仿野、三者之間關(guān)系圖示

概率 P 的變化范圍是 [0,1] 铣减,Odds 的變化范圍是 [0,+∞)设预,對 Odds 取自然對數(shù)犁河,就可以將 P 從 [0,1] 映射到 (-∞,+∞)桨螺。



參考文獻(xiàn)

Logit究竟是個啥魏烫?——離散選擇模型之三

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末哄褒,一起剝皮案震驚了整個濱河市呐赡,隨后出現(xiàn)的幾起案子骏融,更是在濱河造成了極大的恐慌档玻,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,607評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件霹琼,死亡現(xiàn)場離奇詭異枣申,居然都是意外死亡纤怒,警方通過查閱死者的電腦和手機泊窘,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,239評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來诺祸,“玉大人祭芦,你說我怎么就攤上這事龟劲。” “怎么了仰禀?”我有些...
    開封第一講書人閱讀 164,960評論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長萍诱。 經(jīng)常有香客問我裕坊,道長碍庵,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,750評論 1 294
  • 正文 為了忘掉前任,我火速辦了婚禮苹享,結(jié)果婚禮上得问,老公的妹妹穿的比我還像新娘。我一直安慰自己焚挠,他們只是感情好漓骚,可當(dāng)我...
    茶點故事閱讀 67,764評論 6 392
  • 文/花漫 我一把揭開白布噩斟。 她就那樣靜靜地躺著,像睡著了一般沛简。 火紅的嫁衣襯著肌膚如雪斥废。 梳的紋絲不亂的頭發(fā)上营袜,一...
    開封第一講書人閱讀 51,604評論 1 305
  • 那天荚板,我揣著相機與錄音跪另,去河邊找鬼煤搜。 笑死擦盾,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的辽故。 我是一名探鬼主播誊垢,決...
    沈念sama閱讀 40,347評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼喂走,長吁一口氣:“原來是場噩夢啊……” “哼谋作!你這毒婦竟也來了遵蚜?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,253評論 0 276
  • 序言:老撾萬榮一對情侶失蹤携取,失蹤者是張志新(化名)和其女友劉穎雷滋,沒想到半個月后晤斩,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體澳泵,經(jīng)...
    沈念sama閱讀 45,702評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡兼呵,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,893評論 3 336
  • 正文 我和宋清朗相戀三年击喂,在試婚紗的時候發(fā)現(xiàn)自己被綠了懂昂。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片凌彬。...
    茶點故事閱讀 40,015評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡铲敛,死狀恐怖原探,靈堂內(nèi)的尸體忽然破棺而出咽弦,到底是詐尸還是另有隱情型型,我是刑警寧澤闹蒜,帶...
    沈念sama閱讀 35,734評論 5 346
  • 正文 年R本政府宣布姥闪,位于F島的核電站,受9級特大地震影響筐喳,放射性物質(zhì)發(fā)生泄漏避归。R本人自食惡果不足惜梳毙,卻給世界環(huán)境...
    茶點故事閱讀 41,352評論 3 330
  • 文/蒙蒙 一萌业、第九天 我趴在偏房一處隱蔽的房頂上張望咽白。 院中可真熱鬧,春花似錦懂从、人聲如沸番甩。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,934評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽恕齐。三九已至瞬逊,卻和暖如春士骤,著一層夾襖步出監(jiān)牢的瞬間拷肌,已是汗流浹背廓块。 一陣腳步聲響...
    開封第一講書人閱讀 33,052評論 1 270
  • 我被黑心中介騙來泰國打工昔汉, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人娄周。 一個月前我還...
    沈念sama閱讀 48,216評論 3 371
  • 正文 我出身青樓,卻偏偏與公主長得像众辨,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,969評論 2 355

推薦閱讀更多精彩內(nèi)容

  • 你的數(shù)學(xué)直覺怎么樣谨履?你能憑借直覺,迅速地判斷出誰的概率大至朗,誰的概率小嗎屉符?下面就是 26 個這樣的問題。如果你感興趣...
    cnnjzc閱讀 6,896評論 0 12
  • 概率 從 1654 年開始,布萊斯·帕斯卡爾和皮埃爾·費馬 在相互來往的信件中發(fā)展了概率論...
    監(jiān)利一佛閱讀 1,337評論 0 2
  • 忘光了概率統(tǒng)計的知識還想學(xué)樸素貝葉斯算法矗钟?這一篇就是為你準(zhǔn)備的唆香。雖然如此,作為初學(xué)者吨艇,別指望 5 分鐘就能完全理解...
    kamidox閱讀 2,693評論 4 7
  • 對面幾個畢業(yè)生男女混住的房間又飄來味道躬它,平時他們敞開門炒菜我不太理,畢竟也是香味东涡。今天他們炒的肯定是榴蓮冯吓! 我準(zhǔn)備...
    三兩Talk閱讀 637評論 0 1