मल्टीपार्टी सिस्टम में चुनाव के परिणाम की गणना करने के लिए किस प्रतिगमन का उपयोग करें?

Question

मैं संसदीय चुनावों के परिणाम के लिए एक भविष्यवाणी करना चाहता हूं। मेरा आउटपुट प्रत्येक पार्टी को प्राप्त होने वाला% होगा। 2 से अधिक पार्टियां हैं इसलिए लॉजिस्टिक रिग्रेशन व्यवहार्य विकल्प नहीं है। मैं प्रत्येक पार्टी के लिए एक अलग प्रतिगमन कर सकता था, लेकिन उस स्थिति में परिणाम किसी न किसी तरह से एक दूसरे से स्वतंत्र होंगे। यह सुनिश्चित नहीं करेगा कि परिणामों का योग 100% होगा।

क्या प्रतिगमन (या अन्य विधि) का उपयोग करना चाहिए? क्या एक विशिष्ट पुस्तकालय के माध्यम से आर या पायथन में इस पद्धति का उपयोग करना संभव है?

Comments

यदि आपको अपना आउटपुट बाइनरी में बदलने की अनुमति है (जिस पर पार्टी जीती है), तो बहुराष्ट्रीय लॉजिस्टिक रिग्रेशन एक अच्छा फिट है। यह अभी भी स्वतंत्र आउटपुट पर विचार करता है जो कि आप जो चाहते हैं वह नहीं हो सकता है।

— राबर्ट स्मिथ

Answer 1

रॉबर्ट सही है, बहुराष्ट्रीय लॉजिस्टिक प्रतिगमन उपयोग करने के लिए सबसे अच्छा उपकरण है। हालाँकि आपको उदाहरण के लिए, पूर्णांक मान को पार्टी का प्रतिनिधित्व करने वाला एक पूर्णांक मान होना चाहिए:

1 = रूढ़िवादी बहुमत, 2 = श्रम बहुमत, 3 = उदार बहुमत .... (और इसी तरह)

आप इसे नेट पैकेज का उपयोग करके आर में कर सकते हैं। यहां इसका उपयोग करने के तरीके के माध्यम से जल्दी से चलाने के लिए एक अच्छी जगह है।

Answer 2

आप अपनी भविष्यवाणी को किस आधार पर बनाना चाहते हैं? मैंने पिछले वर्षों के आधार पर अपनी थीसिस के लिए मल्टीपार्टी चुनाव परिणामों की भविष्यवाणी करने की कोशिश की है और फिर इस वर्ष के कुछ मतदान केंद्रों के लिए परिणामों का उपयोग करके अन्य सभी मतदान केंद्रों में परिणामों की भविष्यवाणी की है। इसके लिए लीनियर मॉडल जिसके साथ मैंने अनुमान लगाया था कि पिछले वर्षों के मतों की तुलना में प्रत्येक पार्टी को जितने वोट प्राप्त होंगे। यदि आपके पास सभी पार्टियों के लिए अनुमानित संख्या में वोट हैं, तो आप उस से प्रतिशत की गणना कर सकते हैं। प्रासंगिक पेपर के लिए गैर-आयामी नमूनों से पूर्वानुमान देखें , जो रैखिक मॉडल का विस्तार करता है।

Answer 3

यह एक प्रतिगमन नहीं बल्कि एक बहु-श्रेणी वर्गीकरण समस्या है। आउटपुट आम तौर पर किसी भी दिए गए परीक्षण उदाहरण (परीक्षण पंक्ति) के लिए सभी वर्गों की संभावनाएं हैं। तो आपके मामले में, प्रशिक्षित मॉडल से किसी भी परीक्षण पंक्ति के लिए आउटपुट फॉर्म का होगा:

prob_1, prob_2, prob_3,..., prob_k

जहां prob_i i-th वर्ग (आपके मामले में i-th पार्टी) की संभावना को दर्शाता है, यह मानते हुए कि प्रतिक्रिया चर में k कक्षाएं हैं। ध्यान दें कि इन k संभावनाओं का योग 1 होने जा रहा है। इस मामले में वर्ग की भविष्यवाणी वह वर्ग होने जा रही है जिसमें अधिकतम संभावना है।

R में कई क्लासिफायर हैं जो मल्टी-क्लास वर्गीकरण करते हैं। आप R में nnet पैकेज के माध्यम से मल्टी-क्लास सपोर्ट के साथ लॉजिस्टिक रिग्रेशन का उपयोग कर सकते हैं और multinomकमांड को इनवाइट कर सकते हैं ।

एक विकल्प के रूप में, आप आर में gbm पैकेज का उपयोग भी कर सकते हैं और gbmकमांड को लागू कर सकते हैं । एक बहु-स्तरीय क्लासिफायरियर बनाने के लिए, बस distribution="multinomial" while using thegbm` फ़ंक्शन का उपयोग करें ।