ऑर्डिनल लॉजिस्टिक रिग्रेशन में ए.यू.सी.

मैं 2 प्रकार के लॉजिस्टिक प्रतिगमन का उपयोग कर रहा हूं - एक द्विआधारी वर्गीकरण के लिए सरल प्रकार है, और दूसरा क्रमिक लॉजिस्टिक प्रतिगमन है। पहले की सटीकता की गणना के लिए, मैंने क्रॉस-मान्यता का उपयोग किया, जहां मैंने प्रत्येक गुना के लिए एयूसी की गणना की और औसत यूयूसी की गणना की। मैं इसे ऑर्डिनल लॉजिस्टिक रिग्रेशन के लिए कैसे कर सकता हूं? मैंने बहु-वर्गीय भविष्यवाणियों के लिए सामान्यीकृत आरओसी के बारे में सुना है, लेकिन मुझे यकीन नहीं है कि इसकी गणना कैसे की जाए।

धन्यवाद!

— नोम पेलेड
स्रोत

AUC नहीं बल्कि संबंधित: सूक्ष्म / स्थूल सटीक-रिकॉल कर्व्स एट स्टैटस.स्टैकएक्सचेंज

— Yevgeny

जवाबों:

मैं केवल आरओसी वक्र ( इंडेक्स) के तहत क्षेत्र को पसंद करता हूं क्योंकि यह समवर्ती संभावना है। रैंक सहसंबंध गुणांक का एक बिल्डिंग ब्लॉक है। उदाहरण के लिए, सोमरस का । क्रमिक , भविष्य कहनेवाला भेदभाव का एक उत्कृष्ट उपाय है, और R पैकेज के -सही अनुमानों को बूटस्ट्रैप प्राप्त करने के लिए आसान तरीके प्रदान करता है । आप एक सामान्यीकृत के लिए backsolve कर सकते हैं -index (सामान्यीकृत AUROC)। कई कारण प्रत्येक स्तर पर विचार नहीं कर रहे हैं अलग वजह से क्रमसूचक प्रकृति का दोहन नहीं करता है । $c$ $c$ $D_{xy} = 2\times (c - \frac{1}{2})$ $Y$ $D_{xy}$ rms $D_{xy}$ $c$ $Y$ $Y$

में rms: क्रमसूचक प्रतिगमन के लिए दो कार्य देखते हैं lrmऔर orm, बाद हैंडलिंग निरंतर और अधिक वितरण परिवारों (लिंक कार्यों) आनुपातिक बाधाओं से प्रदान करते हैं। $Y$

— फ्रैंक हैरेल
स्रोत

मुख्य मुद्दा यह होगा कि के में प्रयुक्त गणना आरएमएस कैसे करता है ?

c - i n d e x

$c-index$

D_{x y}

$D_{xy}$

— चेम्बरलेन फोंचा

यह सोमरस वर्तनी है । सामान्यीकृत -index की गणना बस मेरे द्वारा ऊपर दिए गए समीकरण को वापस करके की गई है। आंतरिक, विभिन्न मूल्यों वाले टिप्पणियों के सभी संभावित संयोजनों की जांच की जाती है, और ऐसे जोड़े के अंश जिनके लिए भविष्यवाणियां एक ही क्रम में हैं, समवर्ती संभावना का अनुमान है। मैंने एक बात को गलत बताया: फ़ंक्शन बजाय के का उपयोग करता है ।

c

$c$

Y

$Y$ orm

ρ

$\rho$

D_{x y}

$D_{xy}$

— फ्रैंक हारेल

वर्तनी सुधार के लिए धन्यवाद। क्रमिक प्रतिगमन में यह बहुत अधिक दिलचस्प होगा कि आप न केवल जोड़-तोड़ आदेश को देखें, जैसा कि आपके द्वारा उल्लेखित ऑरम फ़ंक्शन में किया गया है, लेकिन आपके पास मौजूद कक्षाओं की संख्या के आधार पर लगातार आदेश (टर्नरी या उच्चतर ऑपरेटरों के साथ) भी देखें। सारांश में, जो मैं कह रहा हूं वह है: उदाहरण के लिए फिट किए गए संचयी लॉजिस्टिक प्रतिगमन के साथ, मॉडल में कक्षाओं के क्रम का ध्यान रखा गया है। एक पूर्वानुमेय माप भी जोड़ीदार तुलना नहीं कर सकता है लेकिन फॉर्म $ P (pred_1 <pred_2 <pred_3 | obs_1 <obs_2 <o

P (p r e d_{1} < p r e d_{2} | o b s_{1} < o b s_{2})

$P(pred_1<pred_2|obs_1<obs_2)$

— Foncha

ऐसे उपायों के बारे में न जानते हुए मेरी पहली प्रतिक्रिया यह है कि वे बाधा डालने के लिए एक उच्च पट्टी स्थापित कर रहे हैं।

— फ्रैंक हर्रेल

क्रमिक प्रतिगमन के लिए AUC कुछ मुश्किल है। आप उस वर्ग के लिए मूल्य 1 लेने के लिए डमियां बनाकर प्रत्येक वर्ग के लिए एयूसी की गणना करना चाहते हैं जो आप बाकी अन्य वर्गों के लिए एयूसी और 0 की गणना कर रहे हैं। यदि आपके पास 4 कक्षाएं हैं तो आप 4 एयूसी बनाएंगे और उन्हें उसी ग्राफ पर प्लॉट करेंगे। इस पद्धति के साथ मुख्य समस्या यह है कि यह मिस-वर्गीकरण को समान रूप से दंडित करती है। कक्षा 1 में कक्षा 1 में बहुत अधिक सहज ज्ञान युक्त मिस-क्लासिफिकेशन कक्षा 1 में कक्षा 1 में मिस-क्लासिफिकेशन कक्षा से सबसे खराब होना चाहिए।

— चेम्बरलेन फोंचा
स्रोत