Logit-Funktion
Logistische Regression und verallgemeinerte lineare Modelle
Verallgemeinerte lineare Modelle
Vorhergesagte Werte aus der logistischen Regression
Interpretation der Koeffizienten und Odds-Ratios
Lineare und logistische Regression: Gemeinsamkeiten und Unterschiede
Das Modell prüfen und bewerten
Klassifikationsmodelle bewerten
Die Problematik seltener Kategorien
Relevanz, Sensitivität und Spezifität
Fläche unter der ROC-Kurve (AUC)
Strategien bei unausgewogenen Daten
Oversampling und Up/Down Weighting
6Statistisches maschinelles Lernen
Ein kleines Beispiel: Vorhersage von Kreditausfällen
Standardisierung (Normierung, z-Werte)
Der Recursive-Partitioning-Algorithmus
Homogenität und Unreinheit messen
Den Baum daran hindern, weiterzuwachsen
Vorhersage eines kontinuierlichen Werts
Regularisierung: Überanpassung vermeiden
