Технологии интеллектуального анализа данных : учебное пособие

269 1250, 1300. Если задать горизонт прогноза 2, то для получения зна- чения на второй шаг прогноза будут использоваться значения: 1250,1300,1400, т.е. в расчете новой величины будет участвовать прогнозное значение, полученное на предыдущем шаге и так далее на любое число шагов прогноза. В связи с тем, что для получения прогноза на большое число шагов используются не реальные дан- ные, а вычисленные моделью, ошибка такого прогноза может быть очень велика. Поэтому при построении прогноза не следует загля- дывать слишком далеко вперед, так как с увеличением погрешно- сти ценность полученного прогноза очень быстро падает. Логистическая регрессия Во многих приложениях наряду с классификацией объектов еще требуется оценивать степень их принадлежности тому или иному классу или «степень уверенности» классификации. Это по- зволяет делать логистическая регрессия – распространенный стати- стический инструмент для решения задач регрессии и классифика- ции. Иными словами, с помощью логистической регрессии можно оценивать вероятность того, что событие наступит для конкретного испытуемого (больной/здоровый, возврат кредита/дефолт и т.д.). Логистическая регрессия – это разновидность множествен- ной регрессии, общее назначение которой состоит в анализе ли- нейной связи между несколькими независимыми переменными и зависимой переменной. Когда предсказываемых классов два, то говорят о бинарной логистической регрессии. В традиционной множественной линейной регрессии существует следующая про- блема: алгоритм не «знает», что переменная отклика бинарна по своей природе. Это неизбежно приведет к модели с предсказывае- мыми значениями большими 1 и меньшими 0. Но такие значения вообще недопустимы для первоначальной задачи. Таким образом,