名前
weka.classifiers.functions.Logistic

---

構文
aを建てて、使用するために多項式であることで属してください、ロジスティクス尾根見積り人

がある回帰モデルしかしながら、紙と比べて、いくつかの変更があります。leCessie and van Houwelingen(1992):

m属性があるn例のためのkのクラスがあればマトリクスm*(k-1)が

であるつもりであったなら計算されるべきであるパラメタマトリクスB最後のクラス以外のクラスjのための確率は

です。n(exp(Xi*Bj)に+1にj=1(k-1)をまとめます)\exp(XiBj)/円のPj(Xi)=n最後のクラスには、確率

があります。1、(n円nにj=1(k-1)を1/(exp(Xi*Bj)に+1にj=1(k-1)をまとめる)Pj(Xi)

=円まとめてください。その結果、(否定的)の多項式のログ見込みは以下の通りです。

{
\がtsumする合計L=i=1..n、j=1(k-1)(Yij*ln(Pj(Xi)))\、n円のt+、(1--、(j=1(k-1)をまとめてください、Yij)

*ln(1--j=1(k-1)をまとめてください、Pj(Xi) } + 尾根*(B^2)

Lが最小となるマトリクスB、aを見つけます。最適化された値が探されるのにおいて準ニュートンMethodは使用されています。m*(k-1)変数。 私たちが最適化を使用する前にそれに注意してください。手順、私たちはm*(k-1)ベクトルにマトリクスBを'絞ります'。 for詳細である、最適化手順では、チェックしてください。weka.core.Optimizationのクラス

オリジナルのLogistic Regressionはインスタンスに対処しませんが重りであり、私たちはアルゴリズムをほんの少しハンドルに変更します。インスタンス重り

詳しい情報に関しては、見てください:
\le Cessie, S. and van Houwelingen, J.C. (1992).Ridge Estimators in Logistic Regression. Applied Statistics, Vol. 41, No. 1, pp. 191-201.

注意: そしてReplaceMissingValuesFilterを使用することで欠測値を取り替える。名目上の属性は、aを使用することで数値属性に変えられます。NominalToBinaryFilter。

オプション
debug -- コンソールにデバッグ情報を出力してください。

maxIts -- 実行する最大数の繰り返し。

ridge -- ログ見込みにRidge値をはめ込んでください。