L’idea
Come nella regressione lineare si parte da una combinazione lineare delle variabili, che la funzione logistica trasforma in un numero tra 0 e 1, interpretabile come probabilità. I coefficienti si leggono come variazioni del logaritmo del rapporto tra la probabilità dell’evento e quella del suo contrario (log-odds); esponenziati, diventano odds ratio. È un modello di base per la classificazione: veloce, interpretabile e spesso competitivo con metodi più complessi. Le sue prestazioni vanno stimate su dati nuovi, per esempio con la validazione incrociata.
Un esempio
Stimare la probabilità che un cliente converta o abbandoni un servizio in base a visite, acquisti precedenti e canale di provenienza; è anche uno degli ingredienti dei modelli di customer lifetime value.
Da dove viene
- Cox (1958), «The Regression Analysis of Binary Sequences», Journal of the Royal Statistical Society B 20. doi:10.1111/j.2517-6161.1958.tb00292.x
- James, Witten, Hastie, Tibshirani, An Introduction to Statistical Learning, Springer, 2ª ed. 2021 (statlearning.com).