taralino

.train

Die Funktion LogisticRegression.train(X) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
X	Datenfeld	Trainingsdaten (Liste von Objekten)

Es wird eine logistische Regression auf Basis der Trainingsdaten X durchgeführt. Verwendet wird dazu eine vereinfachte Variante der Maximum-Likelihood-Methode. Zurückgegeben werden die Faktoren der logistischen Regression als Datenfeld (Vektor), siehe Beispiel unten.

Das Argument X ist als eine Liste von Objekten mit folgenden Variablen zu definieren:

Variable	Datentyp	Hinweis
input	Datenfeld	Objekt des Datensatzes als Vektor (Eingangsvariablen)
target	Zahl	Ergebnis (0 oder 1)

Zudem kann folgende Option verwendet werden:

Variable	Datentyp	Hinweis	Default-Wert
runs	Zahl	ganzzahlig, positiv	1

Da bei der Trainingsphase der logistischen Regression eine nichtlineare Optimierungsaufgabe zu lösen ist, kommt ein iteratives Lösungsverfahren zum Einsatz (siehe NonlinearProgramming). Dank der Option runs kann die Anzahl der Optimierungsdurchläufe (mit jeweils zufälligen Startwerten) variiert werden. Zurückgegeben wird das Ergebnis des besten Durchlaufs.

Beispiel

Zur Durchführung einer logistischen Regression werden Trainingsdaten im dafür benötigten Format definiert. Anschließend wird ein Objekt ausgewertet.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

// Trainingsdaten
var X = [
  {input:[0.3, 0.2, 0.5], target:1},
  {input:[0.8, 0.4, 1.0], target:0},
  {input:[0.5, 1.0, 0.2], target:0},
  {input:[0.2, 0.3, 0.0], target:1}
];

// Logistische Regression durchfuehren
var b = LogisticRegression.train(X);
Console.print(b);

// Objekt auswerten
var x = [0.3, 0.6, 0.3];
var y = LogisticRegression.evaluate(x);
Console.print(y);

// Probe
var t = b[0] + b[1]*x[0] + b[2]*x[1] + b[3]*x[2];
var p = 1 / (1 + Math.exp(-t));
Console.print(p);

</script>
</body>
</html>

Vorschau Download Kopie speichern