En una Regresión logística multinomial, esencialmente está construyendo un “Modelo de elección”, es decir, puede pensar en él como un conjunto de personas que eligen entre una serie de alternativas.
En el formulario estándar , modela los atributos de las personas o los encargados de la elección. En la forma condicional , modela los atributos de las alternativas .
Por ejemplo, considere el caso del libro de texto de elección de transporte en una ciudad. Las alternativas son: automóvil , autobús y ferrocarril . Los atributos son Edad , Sexo , Tipo de ocupación , Ingresos , etc. de las personas que eligen, en la forma estándar. Los coeficientes representan la importancia de los atributos personales en la elección.
- ¿Cómo se puede aplicar el aprendizaje automático en los campos de la ingeniería química y de procesos?
- Cómo extender una red neuronal profunda que se capacitó en la inclusión de palabras en inglés como entrada en una tarea de clasificación a multilingüe
- ¿Qué áreas del aprendizaje automático son más importantes para los fondos de cobertura y los bancos de inversión (en equipos cuantitativos)?
- ¿Cuán ampliamente adoptado es el aprendizaje automático en el comercio?
- Data Science, Big Data, Machine Learning, ¿qué certificación debo hacer para cambiar la trayectoria profesional desde un entorno de control de calidad?
En la forma condicional, los atributos son Tiempo de viaje , Comodidad , Flexibilidad , etc. de las alternativas en sí. Los coeficientes son la importancia de los atributos de las alternativas para las personas que eligen.
La ventaja de la forma condicional es que los datos en términos de atributos de las alternativas a menudo están más fácilmente disponibles que los atributos de los encargados de la elección: la información personal sigue siendo uno de los tipos de datos más difíciles de recopilar. Es posible segmentar la población en grupos y modelar un conjunto de coeficientes en cada grupo de personas para mejorar la precisión de un modelo de forma condicional.