<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-Hant-TW">
	<id>https://wiki.taigi.ima.org.tw/w/index.php?action=history&amp;feed=atom&amp;title=%E9%82%8F%E8%BC%AF%E8%BF%B4%E6%AD%B8</id>
	<title>邏輯迴歸 - 修訂紀錄</title>
	<link rel="self" type="application/atom+xml" href="https://wiki.taigi.ima.org.tw/w/index.php?action=history&amp;feed=atom&amp;title=%E9%82%8F%E8%BC%AF%E8%BF%B4%E6%AD%B8"/>
	<link rel="alternate" type="text/html" href="https://wiki.taigi.ima.org.tw/w/index.php?title=%E9%82%8F%E8%BC%AF%E8%BF%B4%E6%AD%B8&amp;action=history"/>
	<updated>2026-05-28T04:18:31Z</updated>
	<subtitle>本 wiki 上此頁面的修訂紀錄</subtitle>
	<generator>MediaWiki 1.43.1</generator>
	<entry>
		<id>https://wiki.taigi.ima.org.tw/w/index.php?title=%E9%82%8F%E8%BC%AF%E8%BF%B4%E6%AD%B8&amp;diff=414549&amp;oldid=prev</id>
		<title>TaiwanTonguesApiRobot：​從 JSON 檔案批量匯入</title>
		<link rel="alternate" type="text/html" href="https://wiki.taigi.ima.org.tw/w/index.php?title=%E9%82%8F%E8%BC%AF%E8%BF%B4%E6%AD%B8&amp;diff=414549&amp;oldid=prev"/>
		<updated>2025-08-22T12:34:14Z</updated>

		<summary type="html">&lt;p&gt;從 JSON 檔案批量匯入&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新頁面&lt;/b&gt;&lt;/p&gt;&lt;div&gt;&amp;#039;&amp;#039;&amp;#039;邏輯斯迴歸&amp;#039;&amp;#039;&amp;#039;（英語：Logistic regression，閣譯作&amp;#039;&amp;#039;&amp;#039;邏輯迴歸&amp;#039;&amp;#039;&amp;#039;、&amp;#039;&amp;#039;&amp;#039;嘿數機率迴歸&amp;#039;&amp;#039;&amp;#039;、&amp;#039;&amp;#039;&amp;#039;羅吉斯迴歸&amp;#039;&amp;#039;&amp;#039;）是一種對數機率模型（英語：Logit model，閣譯做邏輯模型、評定模型、分類評定模型）， 是離散選擇法模型之一，屬於多變量的分析範圍，是社會學的、生物統計學、林穿、數量心理學、計量經濟學、市場行銷等等統計實證分析的常用方法。&lt;br /&gt;
&lt;br /&gt;
==邏輯斯分布公式==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: $ P ( Y=一 | X=x )={ \ frac { e ^ { x&amp;#039;\ beta } } { 一 + e ^ { x&amp;#039;\ beta } } } . $&lt;br /&gt;
&lt;br /&gt;
其中參數 $ \ beta $ 捷用上大概若估計。&lt;br /&gt;
&lt;br /&gt;
==IIA 準講==&lt;br /&gt;
&lt;br /&gt;
攏號做&amp;#039;&amp;#039;&amp;#039;Independent and irrelevant alternatives&amp;#039;&amp;#039;&amp;#039;準講，嘛叫做&amp;#039;&amp;#039;&amp;#039;IIA 效應&amp;#039;&amp;#039;&amp;#039;，指 Logit 模型中的各個可選項是獨立的。&lt;br /&gt;
&lt;br /&gt;
===IIA 假使設示例===&lt;br /&gt;
&lt;br /&gt;
市場上有 A，B，C 三个商品互相競爭，分別占有市場的份額：百分之六十，百分之三十佮百分之十，三者比例做：六 : 三 : 一个新產品 D 引入來市場，有能力占有百分之二十的市場——&lt;br /&gt;
&lt;br /&gt;
若滿足 IIA 準講，各个產品獨立的作用，互相無牽連：新產品 D 占有百分之二十的市場份額，賰的百分之八十佇咧 A、B、C 之間按照六 : 三 : 一的比例瓜分，分別占有百分之四十八，百分之二十四佮百分之八。&lt;br /&gt;
&lt;br /&gt;
若袂滿足 IIA 準講，比如講新產品 D 佮產品 B 相仝度懸，是新產品 D 的 CP 價值懸而奪去產品 B 的部分市場 ( 總份額的百分之二十 )，是產品 B 賰十分之十，抑若產品 A 和 C 的市場份額保持百分之六十佮百分之十不變。&lt;br /&gt;
&lt;br /&gt;
===滿足 IIA 假使的優點===&lt;br /&gt;
&lt;br /&gt;
* 會當得著逐个個性化的選擇集合的一致的參數估計&lt;br /&gt;
* 各種類別的子集的一般化的估計&lt;br /&gt;
* 大大節省時間&lt;br /&gt;
* 有可選的項目誠濟的時陣尤其是按呢&lt;br /&gt;
&lt;br /&gt;
===IIA 假使的檢定===&lt;br /&gt;
&lt;br /&gt;
====Hausman 檢定====&lt;br /&gt;
&lt;br /&gt;
傑里 ・ A ・ 奧斯曼和丹尼爾 ・ 麥克法登提出的。&lt;br /&gt;
&lt;br /&gt;
====一般化模型的檢定====&lt;br /&gt;
&lt;br /&gt;
===IIA 問題的解決方法===&lt;br /&gt;
&lt;br /&gt;
====多項式 Probit 模型====&lt;br /&gt;
&lt;br /&gt;
====一般化極值模型====&lt;br /&gt;
&lt;br /&gt;
會當將會當選項間的相關性建模&lt;br /&gt;
&lt;br /&gt;
=====岫式 Logit 模型=====&lt;br /&gt;
&lt;br /&gt;
岫式（Nested）表示會當選擇予人分做無仝的組，組和組之間無相關，組內的可選項相關，相關的程度用用咧-λg 來表示（一-λg 愈大，相關的程度會愈懸）&lt;br /&gt;
&lt;br /&gt;
=====嘿尪仔組合 Logit 模型=====&lt;br /&gt;
&lt;br /&gt;
=====一般化分圍徛 Logit 模型=====&lt;br /&gt;
&lt;br /&gt;
====透濫 Logit 模型====&lt;br /&gt;
&lt;br /&gt;
==二類評定模型（Binary Logit Model）==&lt;br /&gt;
&lt;br /&gt;
* 干焦有兩个可選項：V 一 n，V 二 n&lt;br /&gt;
&lt;br /&gt;
==參考書目==&lt;br /&gt;
&lt;br /&gt;
==參見==&lt;br /&gt;
&lt;br /&gt;
* 多重變數分析&lt;br /&gt;
&lt;br /&gt;
==外部連結==&lt;br /&gt;
&lt;br /&gt;
* UFLDL：Logistic 迴歸&lt;br /&gt;
* 南佛羅里達大學 Logistic 回歸課程&lt;br /&gt;
* 線頂算 Logistic 迴歸&lt;br /&gt;
&lt;br /&gt;
[[分類: 待校正]]&lt;/div&gt;</summary>
		<author><name>TaiwanTonguesApiRobot</name></author>
	</entry>
</feed>