جب نتیجہ ہاں یا نہیں ہو
لینئیر ریگریشن بہترین کام کرتا ہے جب آپ مسلسل عدد کی پیشگوئی کر رہے ہوں۔ لیکن جب صرف دو ممکنہ نتائج ہوں؟ صارف خریدے گا یا نہیں؟ مریض صحت یاب ہوگا یا نہیں؟ ان دوہرے نتائج کے لیے لاجسٹک ریگریشن کام آتا ہے۔
سگموائڈ منحنی
سیدھی لکیر فٹ کرنے کی بجائے لاجسٹک ریگریشن S-شکل کا منحنی فٹ کرتا ہے جسے سگموائڈ کہتے ہیں۔ یہ بائیں طرف 0 کے قریب شروع ہوتا ہے، بیچ میں 0.5 سے گزرتا ہے اور دائیں طرف 1 کے قریب پہنچتا ہے، لیکن کبھی 0 یا 1 کو نہیں چھوتا۔
اوڈز اور اوڈز تناسب
لاجسٹک ریگریشن براہ راست امکانات کی پیشگوئی نہیں کرتا بلکہ اوڈز کے ساتھ کام کرتا ہے۔ 2.5 کے اوڈز تناسب کا مطلب ہے کہ اس متغیر میں ایک اکائی اضافہ نتیجے کے اوڈز کو 2.5 گنا کرتا ہے۔
ایک ہسپتال لاجسٹک ریگریشن ماڈل بناتا ہے یہ پیشگوئی کرنے کے لیے کہ مریض 30 دن میں دوبارہ داخل ہوگا یا نہیں۔ ماڈل پاتا ہے کہ ہر اضافی دائمی بیماری دوبارہ داخلے کے اوڈز 1.4 گنا بڑھاتی ہے (اوڈز تناسب = 1.4)۔ 3 دائمی بیماریوں والے مریض کے دوبارہ داخلے کے اوڈز تقریباً 1.4 x 1.4 x 1.4 = 2.74 گنا ہیں۔
کب لاجسٹک چنیں
فیصلہ سادہ ہے: اگر نتیجہ دوہرا (دو زمرے) ہو تو لاجسٹک ریگریشن استعمال کریں۔ نتیجہ مسلسل ہو تو لینئیر ریگریشن۔
ماڈل کی تشریح اور جانچ
لاجسٹک ریگریشن R-مربع استعمال نہیں کرتا۔ اس کی بجائے آپ جانچتے ہیں کہ یہ کتنی اچھی درجہ بندی کرتا ہے: درستگی، حساسیت، خصوصیت اور ROC منحنی کے نیچے رقبہ (AUC)۔
حقیقی دنیا میں
بینک قرض منظوری، ای میل فراہم کنندگان سپیم درجہ بندی، مارکیٹرز صارف کے جانے کی پیشگوئی اور طبی محققین بیماری کے خطرے کے عوامل کی شناخت کے لیے لاجسٹک ریگریشن استعمال کرتے ہیں۔
لاجسٹک ریگریشن دوہرے نتائج کی پیشگوئی کا معیاری طریقہ ہے۔ یہ پیشگوئیاں 0 اور 1 کے درمیان رکھنے کے لیے سگموائڈ فنکشن استعمال کرتا ہے اور اس کے ضرائب اوڈز تناسب سے سمجھائے جاتے ہیں۔ جب آپ کا نتیجہ ہاں/نہیں، پاس/فیل ہو تو اسے استعمال کریں۔