Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Data Science, Predictive Analytics oder einfach: – Datenanalyse – Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

10. Logistische Regression – Ein Prognoseverfahren für die Klassifikationsfragestellung

verfasst von : Marlis von der Hude

Erschienen in: Predictive Analytics und Data Mining

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Bei der logistischen Regression wird als Modell eine Funktionsgleichung ermittelt, die die Abhängigkeit einer qualitativen Zielgröße von einem oder mehreren Merkmalen beschreibt, es sollen also Klassenzugehörigkeiten, die Klassenlabels, prognostiziert werden. Durch Anwendung der Logittransformation ist es möglich, ähnlich vorzugehen wie bei der „normalen“ Regressionsanalyse. Anhand eines Beispiels mit qualitativen und quantitativen Einflussmerkmalen wird gezeigt, wie die Funktionsgleichung interpretiert werden kann. Bei der binären logistischen Regression handelt es sich um ein Modell mit zwei Klassen, die multinomiale logistische Regression stellt die Erweiterung auf mehr als zwei Klassen dar. In diesem Buch wird nur der binäre Fall behandelt.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Regressionsanalyse – Ein klassisches Verfahren der Statistik
Nächstes Kapitel Klassifikations- und Regressionsbäume (Trees)
Fußnoten
1
Formal handelt es sich um eine bedingte Wahrscheinlichkeit: Bei Objekten, die durch m Merkmale \(X_1,\ldots ,X_m\) beschrieben werden, kann man die bedingte Wahrscheinlichkeit wie folgt schreiben:
$$ p=P(\text {Klasse}=1|(X_1,\ldots ,X_m)=(x_1,\ldots ,x_m)) $$
Diese Schreibweise wird beim naiven Bayes-Verfahren besonders wichtig sein.
 
2
Aus Gründen der Übersichtlichkeit werden in der Modellgleichung die Zufallsabweichungen e weggelassen; ausserdem wird auf die Schreibweise mit dem Dach \(\hat{z}\) bzw. \(\hat{p}\) verzichtet. Trotzdem sollte nicht vergessen werden, dass es hier sich stets um Werte handelt, die aus den vorliegenden Daten ermittelt – in der Sprache der Statistik also geschätzt wurden.
 
Metadaten
Titel
Logistische Regression – Ein Prognoseverfahren für die Klassifikationsfragestellung
verfasst von
Marlis von der Hude
Copyright-Jahr
2020
Buch
Predictive Analytics und Data Mining

Print ISBN: 978-3-658-30152-1

Electronic ISBN: 978-3-658-30153-8

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-658-30153-8_10