லாஜிஸ்டிக் பின்னடைவு சூத்திரம்

லாஜிஸ்டிக் பின்னடைவு சூத்திரம்

லாஜிஸ்டிக் ரெக்ரஷன் என்பது, பல சார்பற்ற மாறிகளுக்கும் (முன்னறிவிப்பாளர்கள்) ஒரு வகைப்படுத்தப்பட்ட சார்பு மாறிக்கும், குறிப்பாக இருநிலை மாறிக்கும் (எ.கா., ஆம்/இல்லை, வெற்றி/தோல்வி, நோய்/ஆரோக்கியம்) இடையேயான உறவை மாதிரியாக்குவதற்காக, புள்ளியியல் மற்றும் தரவு அறிவியலில் உள்ள மிகவும் பிரபலமான முறைகளில் ஒன்றாகும். தொடர்ச்சியான மதிப்புகளை உருவாக்கும் நேரியல் ரெக்ரஷனைப் போலல்லாமல், லாஜிஸ்டிக் ரெக்ரஷன் ஒரு நிகழ்வின் நிகழ்தகவை மதிப்பிடுவதற்காக வடிவமைக்கப்பட்டுள்ளது, எனவே இறுதி முடிவு 0 முதல் 1 வரையிலான வரம்பில் இருக்கும். இந்தக் கட்டுரையில், லாஜிஸ்டிக் ரெக்ரஷன் சூத்திரம், ஒவ்வொரு கூறுகளின் பொருள் மற்றும் அதை எவ்வாறு விளக்குவது என்பது பற்றி விவாதிப்போம்.

லாஜிஸ்டிக் ரெக்ரஷன் ஏன் தேவைப்படுகிறது?

நிகழ்தகவுகளைக் கணிக்க நாம் நேரியல் பின்னடைவைப் பயன்படுத்தினால், அந்த மாதிரி 0-க்குக் குறைவான அல்லது 1-க்கு அதிகமான மதிப்புகளை உருவாக்கக்கூடும், இது நிகழ்தகவைப் பொறுத்தவரை தெளிவாகப் பொருத்தமற்றதாகும். லாஜிஸ்டிக் பின்னடைவு, கணக்கிடப்பட்ட முடிவை (அது எந்த மதிப்பாகவும் இருக்கலாம்) 0 மற்றும் 1-க்கு இடையிலான ஒரு நிகழ்தகவு மதிப்பிற்கு மாற்றும் ஒரு நேரியல் அல்லாத சார்பைப் பயன்படுத்துவதன் மூலம் இந்தப் சிக்கலைத் தீர்க்கிறது. மிகவும் பொதுவாகப் பயன்படுத்தப்படும் சார்பு லாஜிஸ்டிக் அல்லது சிக்மாய்டு சார்பு ஆகும்.

உதாரணமாக, ஒரு வாடிக்கையாளரின் வயது, சந்தாவின் காலம் மற்றும் பயன்பாட்டின் அதிர்வெண் ஆகியவற்றின் அடிப்படையில் அவர் சந்தாவை விட்டு விலகுவாரா இல்லையா என்பதை நாம் கணிக்க விரும்புகிறோம் என்று வைத்துக்கொள்வோம். கணிக்கப்பட்ட முடிவுக்கு இரண்டு சாத்தியக்கூறுகள் மட்டுமே உள்ளன: விலகல் (1) அல்லது விலகல் இல்லை (0). லாஜிஸ்டிக் ரெக்ரஷன் இந்த வகையான சூழ்நிலைக்கு மிகவும் பொருத்தமானது.

லாஜிஸ்டிக் பின்னடைவுக்கான அடிப்படை சூத்திரம்

முன்கணிப்பு மாறி \( X \) இன் மதிப்பு கொடுக்கப்பட்டால், \( Y = 1 \) (நிகழ்வு நிகழ்கிறது) என்பதற்கான நிகழ்தகவு \( p \) ஐ மாதிரியாகக் கொள்வதே லாஜிஸ்டிக் ரிகிரஷனின் சாராம்சம் ஆகும்.

லாஜிஸ்டிக் பின்னடைவு மாதிரிகள் பொதுவாக இரண்டு முக்கியமான வடிவங்களில் எழுதப்படுகின்றன:

1) நிகழ்தகவு வடிவம் (சிக்மாய்டு)

\[
p = P(Y=1 \mid X) = \frac{1}{1 + e^{-z}}
\]

dengan

\[
z = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \cdots + \beta_k X_k
\]

தகவல்:
– \( p \) என்பது நிகழ்வின் நிகழ்தகவு (எ.கா.: விலகல் = 1).
– \( e \) என்பது ஆய்லர் எண் (தோராயமாக 2,71828).
– \( z \) என்பது முன்கணிப்பிகளின் ஒரு நேரியல் சேர்க்கையாகும்.
– \( \beta_0 \) என்பது இடைமறிப்பு (மாறிலி).
– \( \beta_1, \beta_2, \ldots, \beta_k \) என்பவை பின்னடைவுக் கெழுக்கள் ஆகும்.
– \( X_1, X_2, \ldots, X_k \) ஆகியவை சார்பற்ற மாறிகள்.

சிக்மாய்டு சார்பு, \( z \) இன் மதிப்பு எதுவாக இருந்தாலும், \( p \) இன் மதிப்பு 0 மற்றும் 1 க்கு இடையில் இருப்பதை உறுதி செய்கிறது.

2) லாஜிட் வடிவம் (லாக் ஆட்ஸ்)

மற்றொரு மிக முக்கியமான வடிவம் லாஜிட் வடிவம் ஆகும், இது நிகழ்தகவுகளின் மடக்கையாகும்:

\[
logit(p) = ln(p/1-p) = β₀ + β₁ X₁ + β₂ X₂ + ... + βₖ Xₖ
\]

தகவல்:
– \( \frac{p}{1-p} \) என்பது நிகழ்தகவு (சார்பு வாய்ப்பு) என அழைக்கப்படுகிறது.
– \( \ln \) என்பது இயல் மடக்கை ஆகும்.

லாஜிஸ்டிக் ரெக்ரஷன் உண்மையில் லாக் ஆட்ஸை முன்கணிப்பிகளின் நேரியல் சார்பாக மாதிரியாக்குகிறது என்பதை லாஜிட் வடிவம் விளக்குகிறது. இது, குறிப்பாக ஆட்ஸ் ரேஷியோக்களின் சூழலில், கெழுக்களை விளக்குவதை மேலும் தெளிவாக்குகிறது.

முரண்பாடுகள் மற்றும் முரண்பாட்டு விகிதங்களைப் புரிந்துகொள்ளுதல்

லாஜிஸ்டிக் பின்னடைவு சூத்திரத்தை உண்மையாகப் புரிந்துகொள்ள, நாம் நிகழ்தகவுக்கும் முரண்பாடுகளுக்கும் இடையே உள்ள வேறுபாட்டை அறிந்துகொள்ள வேண்டும்.

– நிகழ்தகவு \( p \): ஒரு நிகழ்வு நடப்பதற்கான வாய்ப்பு (0 முதல் 1 வரை).
முரண்பாடுகள்: ஒரு நிகழ்வு நடப்பதற்கான நிகழ்தகவை, அது நடக்காமல் இருப்பதற்கான நிகழ்தகவுடன் ஒப்பிடுதல்.

\[
முரண்பாடுகள் = \frac{p}{1-p}
\]

எடுத்துக்காட்டு: \( p = 0{,}8 \) எனில்:

\[
முரண்பாடுகள் = \frac{0{,}8}{0{,}2} = 4
\]

இதன் பொருள், அந்த நிகழ்வு நடக்காமல் இருப்பதை விட, நடப்பதற்கான சாத்தியம் 4 மடங்கு அதிகம்.

லாஜிஸ்டிக் ரெக்ரஷனில், குணகம் \( \beta \) பெரும்பாலும் ஆட்ஸ் ரேஷியோ மூலம் விளக்கப்படுகிறது:

\[
OR = e^{\beta}
\]

– \( \beta > 0 \) எனில், \( e^{\beta} > 1 \): முன்கணிப்பான் நிகழ்வின் நிகழ்தகவை அதிகரிக்கிறது.
– Jika \( \beta < 0 \), maka \( e^{\beta} < 1 \): prediktor menurunkan odds kejadian. - Jika \( \beta = 0 \), maka \( e^{\beta} = 1 \): tidak ada pengaruh terhadap odds. Misalnya, jika \( \beta_1 = 0{,}7 \), maka: \[ e^{0{,}7} \approx 2{,}01 \] Artinya, setiap kenaikan 1 satuan \( X_1 \) akan mengalikan odds kejadian sekitar 2,01 kali (dengan asumsi variabel lain tetap). Contoh Model Regresi Logistik Sederhana Misalkan kita hanya punya satu variabel prediktor \( X \), misalnya jumlah jam belajar per minggu, untuk memprediksi kelulusan ujian (lulus = 1, tidak lulus = 0). Modelnya: \[ \text{logit}(p) = \beta_0 + \beta_1 X \] Jika hasil estimasi: - \( \beta_0 = -4 \) - \( \beta_1 = 0{,}8 \) Maka: \[ z = -4 + 0{,}8X \] \[ p = \frac{1}{1 + e^{-(-4 + 0{,}8X)}} = \frac{1}{1 + e^{4 - 0{,}8X}} \] Jika \( X = 6 \) jam belajar: \[ z = -4 + 0{,}8(6) = 0{,}8 \] \[ p = \frac{1}{1 + e^{-0{,}8}} \approx 0{,}69 \] Interpretasi: dengan 6 jam belajar per minggu, probabilitas lulus sekitar 69%. Estimasi Koefisien: Mengapa Bukan Metode Kuadrat Terkecil? Pada regresi linear, koefisien sering dihitung dengan metode kuadrat terkecil (least squares). Namun pada regresi logistik, hubungan antara prediktor dan probabilitas bersifat non-linear, sehingga pendekatan kuadrat terkecil tidak ideal. Regresi logistik umumnya menggunakan Maximum Likelihood Estimation (MLE) untuk mencari nilai koefisien \( \beta \) yang memaksimalkan kemungkinan data yang diamati. Secara ringkas, likelihood untuk pengamatan biner \( y_i \in \{0,1\} \) dan prediksi \( p_i \) adalah: \[ L(\beta) = \prod_{i=1}^{n} p_i^{y_i}(1-p_i)^{(1-y_i)} \] Kemudian sering diubah menjadi log-likelihood agar lebih mudah dihitung: \[ \ell(\beta) = \sum_{i=1}^{n} \left[ y_i \ln(p_i) + (1-y_i)\ln(1-p_i) \right] \] Nilai \( \beta \) dipilih untuk memaksimalkan \( \ell(\beta) \). Metode numerik seperti Newton-Raphson atau gradient descent sering digunakan oleh perangkat lunak statistik. Kelebihan dan Keterbatasan Regresi Logistik Kelebihan 1. Hasil berupa probabilitas sehingga mudah diterjemahkan menjadi keputusan. 2. Interpretasi koefisien jelas melalui odds ratio. 3. Cocok untuk masalah klasifikasi biner dan dapat diperluas ke multinomial/ordinal. Keterbatasan 1. Mengasumsikan hubungan linear antara prediktor dan log odds , bukan langsung ke probabilitas. 2. Bisa bermasalah jika ada multikolinearitas atau data sangat tidak seimbang (imbalance). 3. Untuk pola hubungan yang sangat kompleks, metode non-linear lain (misalnya random forest atau neural network) bisa lebih unggul. Penutup Rumus regresi logistik pada dasarnya memadukan kombinasi linear dari variabel prediktor dengan fungsi sigmoid untuk menghasilkan probabilitas. Bentuk yang paling umum adalah: \[ p = \frac{1}{1 + e^{-(\beta_0 + \beta_1 X_1 + \cdots + \beta_k X_k)}} \] atau dalam bentuk logit: \[ \ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 X_1 + \cdots + \beta_k X_k \] Dengan memahami kedua bentuk rumus ini, kita dapat membangun model prediksi untuk berbagai masalah klasifikasi biner sekaligus menafsirkan pengaruh variabel melalui odds ratio \( e^{\beta} \). Regresi logistik tetap menjadi fondasi penting dalam analisis data karena sederhana, kuat, dan interpretatif—serta sering menjadi langkah awal sebelum mencoba model yang lebih kompleks. Jika Anda ingin, saya bisa menambahkan contoh perhitungan dengan data kecil (tabel), atau contoh implementasi regresi logistik di Python/R beserta interpretasi outputnya.