Regressão Logística: Conceitos e Aplicações
Traduzido por
ScribdTranslationsRegressão Logística: Conceitos e Aplicações
Traduzido por
ScribdTranslationsQ No: 1
Resposta Correta
Notas: 1/1
A Regressão Logística é aplicada quando a Variável Dependente é de natureza Contínua.
Selecione Verdadeiro ou Falso.
Verdadeiro
Falso
Você selecionou
A Regressão Logística é usada para problemas de classificação, ou seja, quando a variável dependente é de
Natureza Categórica. Por exemplo, Bom ou Não Bom, Culpado ou Não Culpado, Inadimplente ou Não Inadimplente
inadimplente etc.
Ao contrário, quando você está tentando prever uma Variável Contínua, você pode optar por usar
Regressão Linear. Por exemplo, Preço de uma mercadoria, Taxa de Execução de um Batedor etc.
Q No: 2
Resposta Correta
Notas: 1/1
Se ln(odds) de um evento é 0, qual é a probabilidade desse evento?
Nota: 'ln' refere-se ao logaritmo natural (ou seja, logaritmo na base e)
0,5
Você selecionou
1
Nenhum dos mencionados.
Segue da definição.
Neste caso, sabemos que ln(P/(1-P)) = 0. Assim, para que a equação seja 0, precisamos ter P = 1-P.
ln(1) = 0). Assim, podemos dizer que P=1-P=0,5.
Q No: 3
Resposta Correta
Marks: 1/1
A tabela a seguir mostra a crosstabulação da resposta real e prevista após uma logística
ajuste do modelo de regressão. Qual é a precisão da regressão logística?
Bom de verdade Atualmente Mau
Previsão Boa 2300 180
Previsto Ruim 200 820
0,11
0,82
0.89
Você selecionou
0,92
Acurácia = (VP+VN)/ (VP+VN+FP+FN)
Acurácia = (2300+820)/(2300+180+200+820) = 0,89
Q Nº: 4
Resposta Correta
Nota: 1/1
O que plotamos (no eixo X e no eixo Y) na Curva Característica do Operador Receptor (ROC)
curva?
X-axis : False Positve Rate, Y-axis : True Positve Rate
Você Selecionou
X-axis : True Positve Rate, Y-axis : False Positve Rate
X-axis : Accuracy, Y-axis : Misclassificaton Rate
X-axis : False Negatve Rate, Y-axis : True Negatve Rate
Q Não: 5
Resposta Correta
Notas: 1/1
Para prever se um ataque cardíaco é fatal, a regressão logística é ajustada. Y = 1, se o ataque for fatal, 0
caso contrário. O modelo a seguir é considerado adequado
= -8,5 + 0,2*Idade + 0,15*Status do Tabagismo [aqui 'ln' representa natural
logaritmo (ou seja, logaritmo na base)
Onde o Status de Fumante = 1 se a pessoa é um fumante atual e 0 caso contrário. Encontre a porcentagem
probabilidade de um não fumante de 50 anos ter um ataque fatal.
84,2%
81.75%
Você Selecionou
82.34%
89.71%
Colocando o valor necessário na equação de log-odds, obtemos:
= -8.5 + 0.2*(50) + 0.15*(0) = 1.5
Pr(Y = 1) = exp(1.5)/(1+exp(1.5)) = 0.8175
Q No: 6
Resposta Correta
Notas: 1.50/1.50
Para responder à pergunta, siga as instruções dadas abaixo:
Use o conjunto de dados dado
Remover a variável "IDs de Prisioneiros"
Não escale os dados
Não divida os dados em treinamento e teste.
Construa um Modelo de Regressão Logística no conjunto de dados.
Qual é o valor da pontuação de acurácia nos dados?
Nota: Por favor, não processe os dados de nenhuma maneira antes de ajustar o modelo de regressão logística.
0,85625
0,78256
0.8411
Você selecionou
0,7921
Q No: 7
Resposta Correta
Marks: 1.50/1.50
Para responder à pergunta, por favor siga as instruções dadas abaixo:
Use o conjunto de dados fornecido
Remova a variável "IDs de Prisioneiros"
Do not scale the data
Não divida os dados em treinamento e teste.
Construa um modelo de regressão logística no conjunto de dados.
Qual é o valor das predições de Verdadeiros Positivos com base na matriz de confusão?
Nota: Para esta questão, use todo o conjunto de dados para construir o modelo, depois use o independente
variáveis para prever os mesmos dados inteiros e, em seguida, construir uma matriz de confusão.
Nota: Por favor, não processe os dados de nenhuma maneira antes de ajustar o modelo de regressão logística.
480
Você Selecionou
674
140
78
Em python, quando você imprime a matriz de confusão, entende-se assim:
0 1
0 674 140
1 78 480
0,1 representa a classe prevista. 0 vem primeiro.
Verdadeiro Positivo é quando a classe real é 1 e o modelo também a previu como 1. Assim, para
O índice de localização [1,1] é o verdadeiro positivo na matriz de confusão dada, ou seja, 480.
Experimente este código de
documentaton:htps://[Link]/stable/modules/generated/[Link].confusion_ma
[Link] para um site externo.
tn, fp, fn, tp = métricas.matriz_de_confusão(real,preditivo).ravel()
print('Número de Verdadeiros Positivos é ',tp)
# de Verdadeiros Positivos é 480
Q No: 8
Resposta Correta
Notas: 1/1
Para responder à pergunta, por favor siga as instruções dadas abaixo:
Use o conjunto de dados fornecido
Remover a variável 'Ids de Prisioneiros'
Não escale os dados
Não divida os dados em treinamento e teste.
Construa um modelo de regressão logística no conjunto de dados completo.
Selecione Verdadeiro ou Falso para a seguinte afirmação.
O valor do intercepto do modelo é maior que 1.
Nota: Por favor, não processe os dados de nenhuma maneira antes de ajustar o modelo de regressão logística.
Verdadeiro
Falso
Você Selecionou
Q No: 9
Resposta Correta
Notas: 1/1
Para responder à pergunta, por favor, siga as instruções dadas abaixo:
Use o conjunto de dados fornecido
Remova a variável 'Ids dos Prisioneiros'
Não escale os dados
Não divida os dados em treinamento e teste.
Construa um modelo de regressão logística no conjunto de dados
Obtain the predictons for the data set.
Qual é a Pontuação da Área Sob a Curva nos Dados?
Nota: Por favor, não processe os dados de nenhuma forma antes de ajustar o modelo de regressão logística.
0.852
Você Selecionou
0,72
0,67
0.50