今回は確率で予測する内容となります。
ロジスティック回帰（Logistic Regression)
ロジスティック回帰（Logistic Regression）は、**分類問題（特に2値分類）**に用いられる統計的手法・機械学習アルゴリズムの一種。
主な目的：
- 確率として解釈可能な出力を得る（例：ある商品を買う確率が 70%）
- 目的変数（Y）が「0 or 1」などの2値を取る場合の予測（例：病気の有無、購買するかしないか）
線形回帰との違い
線形回帰とロジスティック回帰はどちらも説明変数（特徴量）を使って目的変数を予測するが、以下の違いがある：
ロジスティック回帰の数式
オッズ（Odds）と対数オッズ（Log-Odds)
ロジスティック回帰では、「オッズ」と「対数オッズ（log odds）」を使ってモデルを解釈する。
ロジスティック回帰の解釈
ロジスティック回帰の評価
ロジスティック回帰モデルの性能を評価するためには、以下の指標を使用する。
| 指標 | 説明 |
|---|---|
| 正答率（Accuracy） | 正しく分類できた割合 |
| 対数尤度（Log-Likelihood） | モデルの適合度を表す（大きいほど良い） |
| ROC曲線 / AUC | 分類の性能を可視化 |
| F1スコア | Precision（適合率）と Recall（再現率）の調和平 |
ロジスティック回帰の応用例
ロジスティック回帰は、以下のような2値分類問題で広く使われる。
まとめ
演習
問1: ロジスティック回帰の出力はどのように解釈されるか？
A. クラスラベル（0または1）を直接出力する
B. クラスに属する確率を出力する
C. オッズ比をそのまま出力する
D. 入力データの重み付き和を出力する
問2:オッズとは何か？正しい定義を選べ
A. 予測確率そのもの
B. 1 から予測確率を引いたもの
C. 予測確率とその逆数の差
D. 予測確率を（1から予測確率を引いた値）で割ったもの
問3:ロジスティック回帰の目的変数の特徴として正しいものは？
A. 連続値である
B. 多クラス分類のラベル
C. 離散的な2値（0または1）
D. 時系列データ
問4：シグモイド関数を使って次の確率を求めよ。
問5：確率 P(y=1)=0.8のとき、オッズと対数オッズをそれぞれ求めよ。
↓
↓
↓
（解答）
問4
問5
参考資料
・データサイエンス数学ストラテジス