Bonjour Natacha, On peut pas utiliser une regression lineaire pour predire une variable binaire car la regression lineaire suppose une relation linéaire et continue or ce n'est pas le cas pour une variable binaire
Toujours un plaisir de te suivre. Merci pour le travail. Pour ta question: la régression linéaire suppose une linéarité entre le target et toutes les features. Tel n'est pas forcément le cas si le target ne prend que 2 valeurs 0 et 1. Aussi, la régression linéaire est supposée prédire une infinité de valeurs quantitatives continue et pas seulement deux valeurs 0 et 1.
Merci pour votre explication mais je veux comprendre est- ce qu'il faut ecrire 2 modeles pour les variables binaires, et comment inserer les variables explicatives a plusieurs modalites, est ce qu'il inserer tout dans le modele ou il faut determiner la variable de reference d'abord, je savoir comment ecrire le model a ce niveau
A titre d'exemple pour bien comprendre, l'etudier l'impact de la variable X1 sur la variable Y( traitement efficace/ traitement inefficace) variable X1 a trois modalites ( dose A et B et P le placebo) les autres variables de controles sont x2 : sexe, X3 age et X4: corpulence. Comment ecrire ce model ainsi que sa vraissemblance
Très intéressant ! Quel modèle faudrait-il privilégier pour prédire plus de deux modalités ? Dans le cas, par exemple, où la variable à expliquer serait le niveau de satisfaction d'un client : insatisfait, moyennement satisfait, satisfait.
Question : Pourquoi on ne peut pas utiliser une régression linéaire pour prédire une variable qui comporte 2 modalités ? Réponse : Le modèle de régression linéaire suppose une relation linéaire entre la variable à expliquer et les variables explicatives. Le champs des valeurs possibles de la variable à expliquer est de 0 ou 1 ; c'est donc une variable discrète. Alors que la courbe relative à une droite de régression suppose une infinité de valeurs (continues). On ne peut pas modéliser des valeurs discrètes prenant 2 valeurs par une droite prenant une infinité de valeurs. Ainsi, pour modéliser une variable prenant 2 valeurs, il faut utiliser une fonction de probabilité afin d'identifier les chances que l'évènement se produise en fonction d'un certain seuil : Si la valeur à expliquer est inférieure à 0,5 alors la variable prendra la valeur 0, sinon la valeur 1.
Bonjour, je vous remercie une explication très claire. Mais je voudrais une aide de votre part, pourriez-vous m'envoyer les exemples d'application que vous avez exposés dans cette vidéo?
On n'utilise pas la régression linéaire pour prédire une variable catégorielle binaire car le modèle de régression linéaire suppose une relation linéaire et continue entre notre variable d'intérêt et les autres variables(explicatives), ce qui n'est pas le cas en réalité. C'est pourquoi il est plus adapté d'utiliser la régression logistique qui suppose une relation continue entre la distribution en probabilité de notre variable d'intérêt et les variables explicatives .C 'est ce que j'ai compris de la vidéo . A noter que je suis novice dans le domaine. Du coup, j'ai un certain nombre de questions par rapport à ce modèle. Au regard du modèle mathématique présenté, je remarque que les événtuelles variables qualitatives de notre base de données ne sont pas prises en compte pour la construction du modèle, pourtant elles pourraient bien expliquer notre variable d'intérêt. Donc peut _on regarder cela comme une limite de la régression logistique ?
t’es la première personne qui m’a fait comprendre le modèle logistique… Vraiment un grand merci
Contente de le savoir Edouard
Bonjour Natacha,
On peut pas utiliser une regression lineaire pour predire une variable binaire car la regression lineaire suppose une relation linéaire et continue or ce n'est pas le cas pour une variable binaire
Toujours un plaisir de te suivre. Merci pour le travail.
Pour ta question: la régression linéaire suppose une linéarité entre le target et toutes les features. Tel n'est pas forcément le cas si le target ne prend que 2 valeurs 0 et 1. Aussi, la régression linéaire est supposée prédire une infinité de valeurs quantitatives continue et pas seulement deux valeurs 0 et 1.
Tes vidéos sont tellement claires ! Merci :)
Merci
Très bien expliquée !
Thanks
Merci énormément c'était super clair et j'ai enfin compris le but et l'utilité de la régression logistique 😁😁😁
Génial !
Très bien expliqué thanks a lot
Merci bien
merci
Avec plaisir
Merci pour votre explication mais je veux comprendre est- ce qu'il faut ecrire 2 modeles pour les variables binaires, et comment inserer les variables explicatives a plusieurs modalites, est ce qu'il inserer tout dans le modele ou il faut determiner la variable de reference d'abord, je savoir comment ecrire le model a ce niveau
J arrive pas a comprendre c est quoi un modele est ce un graphe ou quoi vraiment et comment je peut l utiliser dans les future prediction
Merci ✌️ 😊
You are welcome John
A titre d'exemple pour bien comprendre, l'etudier l'impact de la variable X1 sur la variable Y( traitement efficace/ traitement inefficace) variable X1 a trois modalites ( dose A et B et P le placebo) les autres variables de controles sont x2 : sexe, X3 age et X4: corpulence. Comment ecrire ce model ainsi que sa vraissemblance
merci bq la derniere ligne (len..) sert a quoi? merci
Très intéressant ! Quel modèle faudrait-il privilégier pour prédire plus de deux modalités ? Dans le cas, par exemple, où la variable à expliquer serait le niveau de satisfaction d'un client : insatisfait, moyennement satisfait, satisfait.
regression polytomique ordonnée ou regression multinomiale
Donc c’est pas conseillé d’utiliser la régression logistique pour prédire les sentiments (positif, négatif et neutre)?
Question :
Pourquoi on ne peut pas utiliser une régression linéaire pour prédire une variable qui comporte 2 modalités ?
Réponse :
Le modèle de régression linéaire suppose une relation linéaire entre la variable à expliquer et les variables explicatives.
Le champs des valeurs possibles de la variable à expliquer est de 0 ou 1 ; c'est donc une variable discrète.
Alors que la courbe relative à une droite de régression suppose une infinité de valeurs (continues).
On ne peut pas modéliser des valeurs discrètes prenant 2 valeurs par une droite prenant une infinité de valeurs.
Ainsi, pour modéliser une variable prenant 2 valeurs, il faut utiliser une fonction de probabilité afin d'identifier
les chances que l'évènement se produise en fonction d'un certain seuil :
Si la valeur à expliquer est inférieure à 0,5 alors la variable prendra la valeur 0, sinon la valeur 1.
Beau résumé 😊 petite précision la relation linéaire c'est avec la transformation logit
Merci beaucoup ! Est ce que vous pouvez partager quelques documents pdf et livres sur les modèles de régression logistique ?
Je vous propose des références dans la prochaine vidéo
@@LeCoinStat Merci beaucoup !
Bonjour, je vous remercie une explication très claire. Mais je voudrais une aide de votre part, pourriez-vous m'envoyer les exemples d'application que vous avez exposés dans cette vidéo?
Merci pour ce retour Francky, tous les notebooks sont en description des différentes vidéos
On n'utilise pas la régression linéaire pour prédire une variable catégorielle binaire car le modèle de régression linéaire suppose une relation linéaire et continue entre notre variable d'intérêt et les autres variables(explicatives), ce qui n'est pas le cas en réalité. C'est pourquoi il est plus adapté d'utiliser la régression logistique qui suppose une relation continue entre la distribution en probabilité de notre variable d'intérêt et les variables explicatives .C 'est ce que j'ai compris de la vidéo . A noter que je suis novice dans le domaine. Du coup, j'ai un certain nombre de questions par rapport à ce modèle. Au regard du modèle mathématique présenté, je remarque que les événtuelles variables qualitatives de notre base de données ne sont pas prises en compte pour la construction du modèle, pourtant elles pourraient bien expliquer notre variable d'intérêt. Donc peut _on regarder cela comme une limite de la régression logistique ?
la régression linéaire n'est pas indiquée pour les prédictions binaires parce qu'elles donnent une infinité de réponses
Bravo pour la réponse
J'ai besoin de votre aide je peux avoir s'il vous plait votre email ?