Logit-Skala

Beispiele für Diagramme mit Logit-Achsen.

Dieses Beispiel visualisiert, wie set_yscale("logit") bei Wahrscheinlichkeitsdiagrammen funktioniert, indem es drei Verteilungen generiert: normal, laplace und Cauchy in einem Diagramm.

Der Vorteil der Logit-Skala besteht darin, dass sie Werte nahe 0 und 1 effektiv streckt.

In einem Diagramm mit linearer Skala erscheinen Wahrscheinlichkeitswerte nahe 0 und 1 komprimiert, was es schwierig macht, Unterschiede in diesen Bereichen zu erkennen.

In einem Diagramm mit Logit-Skala dehnt die Transformation diese Bereiche aus, wodurch der Graph übersichtlicher und besser zu vergleichen ist über verschiedene Wahrscheinlichkeitswerte hinweg.

Dies macht die Logit-Skala besonders nützlich bei der Visualisierung von Wahrscheinlichkeiten in der logistischen Regression, Klassifikationsmodellen und kumulativen Verteilungsfunktionen.

import math

import matplotlib.pyplot as plt
import numpy as np

xmax = 10
x = np.linspace(-xmax, xmax, 10000)
cdf_norm = [math.erf(w / np.sqrt(2)) / 2 + 1 / 2 for w in x]
cdf_laplacian = np.where(x < 0, 1 / 2 * np.exp(x), 1 - 1 / 2 * np.exp(-x))
cdf_cauchy = np.arctan(x) / np.pi + 1 / 2

fig, axs = plt.subplots(nrows=3, ncols=2, figsize=(6.4, 8.5))

# Common part, for the example, we will do the same plots on all graphs
for i in range(3):
    for j in range(2):
        axs[i, j].plot(x, cdf_norm, label=r"$\mathcal{N}$")
        axs[i, j].plot(x, cdf_laplacian, label=r"$\mathcal{L}$")
        axs[i, j].plot(x, cdf_cauchy, label="Cauchy")
        axs[i, j].legend()
        axs[i, j].grid()

# First line, logitscale, with standard notation
axs[0, 0].set(title="logit scale")
axs[0, 0].set_yscale("logit")
axs[0, 0].set_ylim(1e-5, 1 - 1e-5)

axs[0, 1].set(title="logit scale")
axs[0, 1].set_yscale("logit")
axs[0, 1].set_xlim(0, xmax)
axs[0, 1].set_ylim(0.8, 1 - 5e-3)

# Second line, logitscale, with survival notation (with `use_overline`), and
# other format display 1/2
axs[1, 0].set(title="logit scale")
axs[1, 0].set_yscale("logit", one_half="1/2", use_overline=True)
axs[1, 0].set_ylim(1e-5, 1 - 1e-5)

axs[1, 1].set(title="logit scale")
axs[1, 1].set_yscale("logit", one_half="1/2", use_overline=True)
axs[1, 1].set_xlim(0, xmax)
axs[1, 1].set_ylim(0.8, 1 - 5e-3)

# Third line, linear scale
axs[2, 0].set(title="linear scale")
axs[2, 0].set_ylim(0, 1)

axs[2, 1].set(title="linear scale")
axs[2, 1].set_xlim(0, xmax)
axs[2, 1].set_ylim(0.8, 1)

fig.tight_layout()
plt.show()