Линейная, логистическая и регрессия Пуассона.

На этой схеме детально видно отличие этих распространённых видов регрессии, даже нечего комментировать. Разве что совсем чуть-чуть.

▶️Линейная регрессия имеет много практических применений. Большинство приложений попадают в одну из двух широких категорий: — Если целью является прогнозирование, линейную регрессию можно использовать для подгонки модели к наблюдаемому набору данных. — Если цель заключается в том, чтобы объяснить изменчивость выходной переменной, можно применить линейный регрессионный анализ для количественной оценки силы взаимосвязи между выходной и входными переменными.

▶️Логистическая регрессия: — Применяется: когда мы хотим оценить связь между бинарной зависимой переменной и одной или несколькими независимыми переменными. — Проверяет: есть ли связь между бинарной переменной и каждой из независимых переменных. — Данные: зависимая переменная, которая принимает два значения, и независимые переменная. — Нулевая гипотеза: коэффициент при каждой из независимых переменных равен нулю (т.е. нет связи между зависимой и независимой переменной).

▶️Регрессия Пуассона — это особый тип регрессии, в котором переменная отклика состоит из «данных подсчета». Регрессию Пуассона можно использовать, к примеру, для изучения количества студентов, окончивших определенную программу колледжа, на основе их среднего балла при поступлении на программу и их пола. В этом случае «количество выпускников» — это переменная ответа, «средний балл успеваемости при поступлении на программу» — непрерывная предикторная переменная, а «пол» — категориальная предикторная переменная.

Подробнее про каждый из видов регрессии можно почитать тут: 📎 линейная (https://www.codecamp.ru/blog/linear-regression/) 📎 логистическая (https://education.yandex.ru/handbook/data-analysis/article/logisticheskaya-regressiya) 📎 Пуассона (https://www.codecamp.ru/blog/poisson-regression/)