¿Cómo se usa el modelo predictivo en la regresión logística?

Estoy de acuerdo con las 3 respuestas. Dicho en términos ligeramente diferentes, ha confundido la herramienta con la tarea.

El modelado predictivo es una tarea. Tiene alguna variable que desea predecir, utilizando otras variables.

La regresión es un conjunto de herramientas para esta tarea (pero no las únicas).

La regresión es como un juego de destornilladores: cabeza Phillips, cabeza normal, diferentes tamaños, etc. Una vez que haya decidido que su tarea necesita un destornillador, debe elegir el correcto. Si la variable que desea predecir es categórica, entonces alguna forma de lotería es el destornillador correcto.

Pero es posible que necesite un taladro o un martillo, y la caja de estadísticas también es grande.

Como Timothy explicó, la pregunta debería formularse “cómo se usa la regresión logística para el modelado predictivo”.

Un problema común que se resuelve mediante regresión logística es predecir si un miembro abandonará (dejará de usar el servicio / producto). El resultado de la rotación se etiqueta como 1 y no se marca como 0. La construcción de un modelo de regresión logística en este conjunto de datos le dará una ecuación que asignará una probabilidad de rotación a cada miembro. Puede usar esta ecuación en el futuro para predecir si un miembro va a abandonar o no.

Ahí estás, te acabo de dar un ejemplo de cómo se usa la regresión logística para el modelado predictivo.

Tienes la pregunta al revés.

La regresión logística es una técnica particular que podría usarse en el modelado predictivo, particularmente cuando el resultado es binario (comprar o no), ordinal (calificación de gusto), nominal (qué producto se compró) o doblemente continuo (una proporción o calificación de confianza) ), ya que existen enfoques de regresión logística para cada tipo de variable. La transformación logística impone el espacio muestral.