Robusta binārā klasifikācija ar loģistisko regresiju

2019

Darbs veltīts loģistiskās regresijas izpētei, kas ir viena no populārākajām metodēm, risinot klasifikācijas uzdevumus. Kļūdas atkarīgajā mainīgajā var būtiski ietekmēt klasificēšanas veiktspēju. Darbā uzsvars likts uz robustu loģistiskās regresijas paplašinājumu, kas ir balstīts uz kļūdaino klašu ietveršanu modeļa apmācībā, lai modelis nezaudētu savu klasifikācijas veiktspēju. Modeļa apmācība noris līdzīgi kā loģistiskajā regresijā. Darbā aplūkota gan loģistiskā regresija, gan robustā loģistiskā regresija ar nobīdes parametriem. Abas metodes pielietotas praktiski programmā R Studio uz reāliem datiem. Darba mērķis ir pārbaudīt, kā abas metodes darbojās un salīdzināt sniegtos rezultātus.