기본적으로 두 모델은 대략 같습니다. 정말로 중요한 것은 당신의 목표입니다 - 당신이 정말로 예측하고 싶은 것입니다. 얼마나 많은 경우가 좋은 것인지 나쁜지 (1 또는 0)를 결정하려면 로지스틱 회귀 분석을 선택하십시오. 케이스가 얼마나 많은지 (카운트)에 정말로 흥미가 있다면 포아송을하십시오.
다른 말로하면이 두 모델의 유일한 차이점은 물류 변환과 로지스틱 회귀가 오 분류 오류 (-2 로그 가능성)를 최소화하려고한다는 사실입니다. 간단히 말하면 선형 회귀 분석을 실행하더라도 (OLS)를 사용하면 결과가 0과 1 사이가 아닐 수 있다는 점을 제외하고는 물류 모델과 큰 차이가 없어야합니다 (예 : RoC 곡선 아래의 면적은 물류 모델과 비슷합니다).
요약하면 두 모델 중 더 나은 모델에 대해 걱정할 필요가 없습니다. 즉, 기능 정보를 캡처하는 방식이 대략 동일해야합니다. 최적화, 집계 또는 확률을 결정하는 것이 더 합리적이라고 생각하십시오. 비선형 모델 (예 : 임의의 숲 또는 신경망 등)을 고려하는 경우 대답이 다를 수 있지만, 고려중인 두 가지는 거의 (거의) 선형이므로 걱정할 필요가 없습니다.
이 질문은 통계에 관한 것이므로 주제와 관련이없는 것으로 보입니다. – timrau