Machine learning rapidminer中的Logistic回归最大似然
我想用这个结果得到逻辑回归中的最大可能性（我真的不确定它是否是这样）： 我目前正在使用逻辑回归对全国成绩测试（学生成绩考试，NAT-成绩-Y轴）和他们的学业成绩（在下面的例子中，ARTS-G12（12年级）-Q1（第1季度），x轴）进行评估 我想知道学生通过国家成绩测试或获得VLM或LM的最大可能性。例如，在上图中，国家成就测试中的类别是VLM（极低掌握），设置为1，LM（低掌握）设置为0。VLM和LM是学生获得的唯一类别Machine learning rapidminer中的Logistic回归最大似然,machine-learning,logistic-regression,data-mining,rapidminer,sigmoid,Machine Learning,Logistic Regression,Data Mining,Rapidminer,Sigmoid,我想用这个结果得到逻辑回归中的最大可能性（我真的不确定它是否是这样）： 我目前正在使用逻辑回归对全国成绩测试（学生成绩考试，NAT-成绩-Y轴）和他们的学业成绩（在下面的例子中，ARTS-G12（12年级）-Q1（第1季度），x轴）进行评估 我想知道学生通过国家成绩测试或获得VLM或LM的最大可能性。例如，在上图中，国家成就测试中的类别是VLM（极低掌握），设置为1，LM（低掌握）设置为0。VLM和LM是学生获得的唯一类别 我想知道这张图中的最大似然数，以便拟合s形函数中的s形线。我真的不知道
我想知道这张图中的最大似然数，以便拟合s形函数中的s形线。我真的不知道如何解释下面的散点图。我需要把它缩小吗？关于散点图的解释，我真的无法解释： 显而易见（为了清晰起见）：绿色是VLM，蓝色是LM 每个点意味着横轴上有X个给定成绩的学生。 颜色很可能定义了X。猜猜看：颜色越深，同年级的学生就越多
从这张图上看，学生的分数似乎与VLM或VL类别无关，因为这两个类别都有高分和低分。欢迎来到SO，这是关于特定编码问题的。关于ML和数据科学方法的非编码问题在这里是离题的，应该发布在；请注意
机器学习