Závěrečná práce: Bc. Tomáš Stach: Multinomická logistická regrese
Diplomová práce
Multinomická logistická regrese
Multinomial Logistic Regression
Anotace
Tato diplomová práce se zabývá problematikou multinomické logistické regrese a její aplikací při analýze kategoriálních dat. Teoretická část práce vymezuje statistický rámec nezbytný pro aplikaci multinomické regrese na nominální i ordinální data. Následně se věnuje metodám odhadu neznámých parametrů a diagnostickým nástrojům určeným k ověření validity modelu. V praktické části je tento teoretický …více
Abstract
This diploma thesis deals with the issue of multinomial logistic regression and its application in the analysis of categorical data. The theoretical part defines the statistical framework necessary for the application of multinomial regression to both nominal and ordinal data. Subsequently, it addresses methods for estimating unknown parameters and diagnostic tools designed to verify model validity …více
Klíčová slova
Multinomická logistická regrese Nominální regrese Ordinální regrese Zobecněné lineární modely (GLM) Povinné ručení Pojistné Klasifikace Rozhodovací stromy Náhodný les ROC analýza Multinomial logistic regression Nominal regression Ordinal regression Generalized linear models (GLM) Motor thirdparty liability insurance Insurance premium Classification Decision trees Random forest ROC analysisZadání práce
Cílem této diplomové práce je podrobně se zabývat metodou multinomické logistické regrese (MLR), jejím teoretickým základem a praktickým využitím. Práce bude rozdělena na teoretickou a praktickou část. V teoretické části práce vysvětlete základní principy MLR. Zasaďte MLR do širšího kontextu zobecněných lineárních modelů (GLM). Uveďte souvislosti s binární logistickou regresí. Diskutujte předpoklady a omezení MLR včetně možností diagnostiky a interpretace modelu. V praktické části práce aplikujte metodu MLR na vhodný reálný datový soubor, který obsahuje závislou proměnnou s více kategoriemi. Proveďte kompletní analýzu dat, včetně interpretace výsledků a jejich vizualizace. Porovnejte výsledky této analýzy s jinou statistickou metodou vhodnou pro stejné datové podmínky (např. diskriminační analýza, rozhodovací stromy apod.). Posuďte rozdíly ve výstupu a interpretaci obou metod.
4. 5. 2026 10:37, RNDr. Marie Budíková, Dr., učo 328
Přílohy
Literatura
- AGRESTI, Alan. An introduction to categorical data analysis. New York: John Wiley & Sons, 1996, xi, 290. ISBN 0471113387.
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Sborové učení pro klasifikaci obrazových dat
Mgr. Tereza Škvařilová -
Klasifikace a predikce funkcionálních dat
Mgr. Aneta Šikyňová, učo 460488 -
Matematické modelování usage-based pojištění
Bc. Filip Šajtlava -
Rozhodovací stromy a jejich zobecnění
Mgr. Markéta Barać Makarová, učo 468063 -
Labeling of Android malware with help of cryptographic API usage
Mgr. Dominik Macko -
Machine Learning for Phishing URL Detection
Mgr. Juraj Smeriga -
Vybrané aspekty pojištění odpovědnosti z provozu vozidla
Mgr. Bc. Milan Zajíček -
Basketbal vozíčkářů
Mgr. Pavla Vráželová, učo 296812




