Concept

Régression logistique

Résumé
En statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée y) à un vecteur de variables aléatoires (x_1,\ldots,x_K). La régression logistique constitue un cas particulier de modèle linéaire généralisé. Elle est largement utilisée en apprentissage automatique. Histoire D'après de Palma et Thisse, la première mention du modèle logit vient de Joseph Berkson en 1944 et 1951. Applications La régression logistique est largement répandue dans de nombreux domaines. On peut citer de façon non exhaustive :
  • En médecine, elle permet par exemple de trouver les facteurs qui caractérisent
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés

Chargement

Cours associés

Chargement

Séances de cours associées

Chargement