도구명 : 2항 로지스틱 회귀분석
여러 설명변수가 사건 발생 확률에 미치는 영향을 분석하고, 이항 결과를 예측하는 방법입니다.
← 상위메뉴로
1. 데이터 입력
0행 × 0열
표의 맨 위 칸(열1, 열2 …)에는 변수명을, 1행부터는 실제 데이터를 입력하세요.
2. 변수 선택 및 모델 설정
반응변수(Y)
사건 범주
설명변수(X) - 숫자형
숫자형 X 선택
▾
설명변수(X) - 범주형
범주형 X 선택
▾
분류 기준확률
검증 방법
단순 학습/검증 분할
K-fold 교차검증
LOOCV
전체 데이터 적합 성능
검증 비율
K 값
Seed
최대 반복수
학습률
0.001
0.005
0.01
0.05
0.10
L2 정규화 강도
0
0.001
0.01
0.1
1
표준화
X변수 표준화 후 학습
로지스틱 회귀분석 실행
초기화
데이터가 입력되면 자동으로 변수 목록이 갱신됩니다.
기본 검증은 단순 학습/검증 분할입니다. 검증 방법을 K-fold 또는 LOOCV로 바꾸면 검증 비율은 자동 비활성화됩니다. 미니탭과 비교할 때는 전체 데이터 적합 결과를 먼저 비교하세요.
3. 결과
분석 데이터 및 설정
전체 데이터 기준 로지스틱 회귀식
계수 및 오즈비
이 표는 전체 데이터로 적합한 결과이며, 검증 방법과 무관합니다.
p값은 Wald 검정 근사값입니다. 표본 수가 작거나 완전분리가 의심되거나 L2 정규화를 사용한 경우에는 참고용으로만 해석하세요.
ROC 곡선
학습 손실 곡선
검증 기준 분류 성능
4. 예측
선택한 설명변수(X) 값을 입력하면, 전체 데이터로 적합한 최종 로지스틱 회귀식으로 사건확률과 예측분류를 계산합니다.
예측 실행