ベクトル量子化ロジスティック回帰分析は、 ベクトル量子化平均法 の一種です。 複雑な分布の時に使えるロジスティック回帰分析です。
ベクトル量子化 で説明変数を１次元の質的変数に圧縮してから、 ダミー変換 で多次元にします。 これを新しい説明変数として、普通のロジスティック回帰分析をします。
例えば、普通のロジスティック回帰分析の結果が、下図です。 左のようなデータに対して、普通のロジスティック回帰分析でモデルを作ると、予測値は、右になり、良い予測になっていません。
ベクトル量子化ロジスティック回帰分析だと、下図のように完璧に予測できます。
この例では、クラスターは、上のように10個作っています。
10個が含む領域が、元のデータのYの０と１のある場所をうまく分けているので、高精度な予測ができるようになっています。
新しいサンプルの予測値を計算する時は、新しいサンプルがどのクラスターに属しているのかを調べます。
上記の方法は、 Rによるベクトル量子化ロジスティック回帰分析のページがあります。
「機械学習のための特徴量エンジニアリング」 Alice Zheng・Amanda Casari 著 オライリー・ジャパン 2019
名前はついていないのですが、ベクトル量子化回帰分析と同じ内容の方法が、ベクトル量子化の解説の後に、紹介されています。
順路
次は
サポートベクターマシン
Tweet
