लॉगिट

आंकड़ों में, लॉगिट फ़ंक्शन मानक लॉजिस्टिक वितरण से जुड़ा मात्रात्मक कार्य है। डेटा विश्लेषण और मशीन लर्निंग में इसके कई उपयोग हैं, विशेष रूप से डेटा परिवर्तन (सांख्यिकी) में।

गणितीय रूप से, लॉगिट लॉजिस्टिक फ़ंक्शन का व्युत्क्रम फ़ंक्शन है $$\sigma(x) = 1/(1+e^{-x})$$, इसलिए लॉगिट को इस प्रकार परिभाषित किया गया है


 * $$\operatorname{logit} p = \sigma^{-1}(p) = \ln \frac{p}{1-p} \quad \text{for} \quad p \in (0,1)$$.

इस वजह से, लॉगिट को लॉग-कठिनाइयाँ भी कहा जाता है क्योंकि यह ऑड्स के लघुगणक के बराबर है $$\frac{p}{1-p}$$ कहाँ $p$ एक संभावना है. इस प्रकार, लॉगिट एक प्रकार का फ़ंक्शन है जो संभाव्यता मानों को मैप करता है $$(0, 1)$$ वास्तविक संख्या में $$(-\infty, +\infty)$$, probit  के समान।

परिभाषा
अगर $p$ तो एक संभावना है $p/(1 &minus; p)$ संगत संभावना है; $logit$संभावना का गुणांक बाधाओं का लघुगणक है, अर्थात:


 * $$\operatorname{logit}(p)=\ln\left( \frac{p}{1-p} \right) =\ln(p)-\ln(1-p)=-\ln\left( \frac{1}{p}-1\right)=2\operatorname{atanh}(2p-1)$$

उपयोग किए गए लघुगणक फ़ंक्शन का आधार वर्तमान लेख में बहुत कम महत्व रखता है, जब तक कि यह 1 से अधिक है, लेकिन आधार के साथ प्राकृतिक लघुगणक $e$ वह है जो सबसे अधिक बार उपयोग किया जाता है। आधार का चयन मान के लिए लघुगणकीय इकाई के चयन से मेल खाता है: आधार 2 एक शैनन (इकाई) से मेल खाता है, आधार$e$ एक "नैट (इकाई)" के लिए, और आधार 10 से एक हार्टले (इकाई); इन इकाइयों का उपयोग विशेष रूप से सूचना-सैद्धांतिक व्याख्याओं में किया जाता है। आधार के प्रत्येक विकल्प के लिए, लॉगिट फ़ंक्शन नकारात्मक और सकारात्मक अनंत के बीच मान लेता है।

लॉजिस्टिक फ़ंक्शन|किसी भी संख्या का "लॉजिस्टिक" फ़ंक्शन $$\alpha$$ व्युत्क्रम द्वारा दिया गया है-$logit$:


 * $$\operatorname{logit}^{-1}(\alpha) = \operatorname{logistic}(\alpha) = \frac{1}{1 + \operatorname{exp}(-\alpha)} = \frac{\operatorname{exp}(\alpha)}{ \operatorname{exp}(\alpha) + 1} = \frac{\tanh(\frac{\alpha}{2})+1}{2}$$

के बीच का अंतर $logit$दो संभावनाओं का अंतर अनुपात का लघुगणक है ($R$), इस प्रकार विषम अनुपात योगात्मक फ़ंक्शन का सही संयोजन लिखने के लिए एक आशुलिपि प्रदान करता है:


 * $$\operatorname{ln}(R)=\ln\left( \frac{{p_1}/(1-p_1)}{{p_2}/(1-p_2)} \right) =\ln\left( \frac{p_1}{1-p_1} \right) - \ln\left(\frac{p_2}{1-p_2}\right)=\operatorname{logit}(p_1)-\operatorname{logit}(p_2)\,.$$

इतिहास
रैखिक प्रतिगमन विधियों को ऐसे डोमेन में अनुकूलित करने के कई प्रयास किए गए हैं जहां आउटपुट एक संभाव्यता मान है, $$(0, 1)$$, किसी वास्तविक संख्या के बजाय $$(-\infty, +\infty)$$. कई मामलों में, ऐसे प्रयासों ने सीमा का मानचित्रण करके इस समस्या के मॉडलिंग पर ध्यान केंद्रित किया है $$(0, 1)$$ को $$(-\infty, +\infty)$$ और फिर इन परिवर्तित मूल्यों पर रैखिक प्रतिगमन चलाना। 1934 में चेस्टर इटनर ब्लिस ने इस मैपिंग को करने के लिए संचयी सामान्य वितरण फ़ंक्शन का उपयोग किया और अपने मॉडल प्रोबिट को संभाव्यता इकाई का संक्षिप्त नाम कहा;। हालाँकि, यह कम्प्यूटेशनल रूप से अधिक महंगा है। 1944 में, जोसेफ बर्कसन ने ऑड्स के लॉग का उपयोग किया और इस फ़ंक्शन को लॉगिट कहा, प्रोबिट के सादृश्य के बाद 'लॉजिस्टिक यूनिट' का संक्षिप्त नाम:

लॉग ऑड्स का उपयोग चार्ल्स सैंडर्स पीयर्स (19वीं सदी के अंत में) द्वारा बड़े पैमाने पर किया गया था। 1949 में जी. ए. बरनार्ड ने आमतौर पर इस्तेमाल होने वाला शब्द लॉग-ऑड्स गढ़ा; किसी घटना का लॉग-ऑड्स घटना की संभावना का लॉगिट है। बरनार्ड ने लॉग-ऑड्स के एक अमूर्त रूप के रूप में लॉड्स शब्द भी गढ़ा, लेकिन सुझाव दिया कि व्यवहार में 'ऑड्स' शब्द का सामान्य रूप से उपयोग किया जाना चाहिए, क्योंकि यह रोजमर्रा की जिंदगी में अधिक परिचित है।

उपयोग और गुण

 * संभार तन्त्र परावर्तन में लॉगिट एक सामान्यीकृत रैखिक मॉडल में एक लिंक फ़ंक्शन का एक विशेष मामला है: यह बर्नौली वितरण के लिए कैनोनिकल लिंक फ़ंक्शन है।
 * लॉगिट फ़ंक्शन बाइनरी एन्ट्रॉपी फ़ंक्शन के व्युत्पन्न का नकारात्मक है।
 * लॉगिट माप के लिए संभाव्य तीव्र मॉडल  का भी केंद्र है, जिसमें अन्य क्षेत्रों के अलावा मनोवैज्ञानिक और शैक्षिक मूल्यांकन में अनुप्रयोग हैं।
 * व्युत्क्रम-लॉगिट फ़ंक्शन (यानी, लॉजिस्टिक फ़ंक्शन) को कभी-कभी एक्सपिट फ़ंक्शन के रूप में भी जाना जाता है।
 * पादप रोग महामारी विज्ञान में डेटा को लॉजिस्टिक मॉडल में फिट करने के लिए लॉगिट का उपयोग किया जाता है। गोम्पर्ट्ज़ और मोनोमोलेक्यूलर मॉडल के साथ तीनों को रिचर्ड्स परिवार मॉडल के रूप में जाना जाता है।
 * संभावनाओं का लॉग-ऑड्स फ़ंक्शन अक्सर राज्य अनुमान एल्गोरिदम में उपयोग किया जाता है छोटी संभावनाओं के मामले में इसके संख्यात्मक लाभ के कारण। बहुत छोटी फ़्लोटिंग पॉइंट संख्याओं को गुणा करने के बजाय, लॉग-ऑड्स संभावनाओं को केवल (लॉग-ऑड्स) संयुक्त संभावना की गणना करने के लिए सारांशित किया जा सकता है।

प्रोबिट के साथ तुलना
से निकटता से संबंधित है $logit$ फ़ंक्शन (और लॉगिट मॉडल) प्रोबिट फ़ंक्शन और प्रोबिट मॉडल हैं। वह $logit$ और $probit$ दोनों सिग्मॉइड फ़ंक्शन हैं जिनका डोमेन 0 और 1 के बीच है, जो उन दोनों को क्वांटाइल फ़ंक्शन बनाता है - यानी, संभाव्यता वितरण के संचयी वितरण फ़ंक्शन (सीडीएफ) के व्युत्क्रम। वास्तव में, $logit$ लॉजिस्टिक वितरण का मात्रात्मक कार्य है, जबकि $probit$ सामान्य वितरण का मात्रात्मक फलन है। वह $probit$ फ़ंक्शन दर्शाया गया है $$\Phi^{-1}(x)$$, कहाँ $$\Phi(x)$$ मानक सामान्य वितरण का संचयी वितरण कार्य है, जैसा कि अभी बताया गया है:


 * $$\Phi(x) = \frac{1}{\sqrt{2\pi}}\int_{-\infty}^{x} e^{-\frac{y^2}{2}} dy.$$

जैसा कि दाईं ओर ग्राफ़ में दिखाया गया है $logit$ और $probit$ फ़ंक्शंस बेहद समान होते हैं जब $probit$ फ़ंक्शन को स्केल किया गया है, ताकि इसका ढलान हो $y = 0$ के ढलान से मेल खाता है $logit$. परिणामस्वरूप, कभी-कभी लॉगिट मॉडल के स्थान पर प्रोबिट मॉडल का उपयोग किया जाता है क्योंकि कुछ अनुप्रयोगों के लिए (उदाहरण के लिए, बायेसियन सांख्यिकी में) कार्यान्वयन आसान होता है।

यह भी देखें

 * सिग्मॉइड फ़ंक्शन, लॉगिट फ़ंक्शन का व्युत्क्रम
 * बाइनरी लॉगिट, मल्टीनोमियल लॉगिट, कंडीशनल लॉगिट, नेस्टेड लॉगिट, मिक्स्ड लॉगिट, एक्सप्लोडेड लॉगिट और ऑर्डर किए गए लॉगिट पर अलग विकल्प
 * सीमित आश्रित चर
 * डेनियल मैकफैडेन, अर्थशास्त्र में प्रयुक्त एक विशेष लॉगिट मॉडल के विकास के लिए अर्थशास्त्र में नोबेल पुरस्कार विजेता * मार्केटिंग में लॉगिट विश्लेषण
 * बहुपद लॉगिट
 * द्विज्या, समान आकृति वाला वक्र
 * परसेप्ट्रॉन
 * प्रोबिट, लॉगिट के समान डोमेन और रेंज वाला एक अन्य फ़ंक्शन
 * सवारी स्कोरिंग
 * डेटा परिवर्तन (सांख्यिकी)
 * आर्कसिन (परिवर्तन)
 * तीव्र मॉडल

वेबलिंक

 * Which-link-function-logit-probit-or-cloglog/ कौन सा लिंक फ़ंक्शन - लॉगिट, प्रोबिट, या क्लॉलॉग? 12.04.2023