ロジスティック回帰

ロジスティック回帰は、説明変数の線形結合zをシグモイド関数$p=1/(1+e^{-z})$へ通し、二値クラスに属する確率を推定する分類手法です。

■ 試験で押さえるポイント

• 確率pの対数オッズ$\log[p/(1-p)]$を説明変数の線形結合としてモデル化し、係数の指数は他条件一定でのオッズ比として解釈できます。

• 推定確率へ0.5等のしきい値を適用してクラスを決めますが、誤検知と見逃しのコストに応じてしきい値を調整します。

• 名称に回帰を含みますが主に分類へ使い、係数は最小二乗ではなく尤度最大化又は交差エントロピー最小化で求めます。

• 説明変数と対数オッズの線形関係を前提とし、正則化で過学習を抑え、多重共線性やクラス不均衡も評価します。

■ 選択肢での判断ポイント

出力を0～1の確率へ変換するシグモイド、二値分類、対数オッズの線形モデルという特徴を選びます。

例: $z=0$なら$p=1/(1+e^0)=1/2=0.5$です。しきい値0.7の運用なら陽性にせず、要再確認等へ振り分けます。