machine-learning - rapidminer中的逻辑回归最大似然

Question

我想用这个结果获得逻辑回归的最大可能性（我真的不确定这是否是这样的）：

我目前正在使用逻辑回归到国家成就测试（学生的表现考试，NAT -GRADE-REMARKS Y 轴）和他们的学业成绩（在下面的示例中 ARTS-G12（Grade 12）-Q1（Quarter 1）， x 轴）。

我想知道学生通过国家成就测试或获得 VLM 或 LM 的最大可能性。对于上图中的示例，国家成就测试中的类别是 VLM（非常低掌握）设置为 1，LM（低掌握）设置为 0。VLM 和 LM 是学生获得的唯一类别。

我想知道该图中的最大似然度，以便像 sigmoid 函数中的直线一样拟合。我只是真的不知道如何解释下面的散点图。我需要缩小它吗？我真的无法解释

标签： machine-learninglogistic-regressiondata-miningrapidminersigmoid

Answer 1

关于散点图的解释：

显而易见的（为清楚起见）：绿色是 VLM，蓝色 LM 每个点表示水平轴上有 X 名具有给定成绩的学生。颜色最有可能定义了X。猜猜：颜色越深，同年级的学生越多？

从这张图中，学生的成绩似乎与 VLM 或 VL 类别无关，因为这两个类别都有低分和高分。