Clementine、ロジスティック回帰 そのⅡ

Clementine（クレメンタイン）のストリームで書くと、こうなる。

乱数発生させたりしているくらいで、たいしたことはやってない。（笑
モデルへの入力変数は、

となっている。

ちなみに、乱数だが、R だと、rbinom という乱数を使えるのだが、Clementine君は、たいした乱数の関数を持っていない。
通常に一様分布の乱数と、正規分布の乱数くらいである。

結果をみると

パラメータの推定値が
　切片(beta0): -4.325
　x(beta1): 0.694
となっている。

実際の値は、
　beta0 <- -4.2
　beta1 <- 0.7
なので、かなり精度よく推定できている。

ゲインチャートは、


また、ノードを通して得られる結果は、

となっている。

ここで注意が必要なのは、
$LP-y
というのは、1 とか 0 とかの直接の確率ではない。

たとえば、一行目の 0.687 ってのは、0 である確率が 0.687 となっている。

それで、よくやる変換方法として、if-thenを使って、新変数scoreを作る。
つまり、
　$L-y = 1 の時、
　　score = 0.5 + $LP-y/2
　$L-y = 0 の時、
　　score = 0.5 - $LP-y/2
とすると分りやすいだろう。

0 である確率が 0.687ってのことは、
　score = 0.5 - 0.687 / 2
　　　　= 0.1565
となる。