logistic回歸模型總結.doc_第1頁
logistic回歸模型總結.doc_第2頁
logistic回歸模型總結.doc_第3頁
logistic回歸模型總結.doc_第4頁
logistic回歸模型總結.doc_第5頁
已閱讀5頁，還剩17頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

轉載logistic回歸模型總結 logistic回歸模型是最成熟也是應用最廣泛的分類模型，通過學習和實踐擬通過從入門、進階到高級的過程對其進行總結，以便加深自己的理解也為對此有興趣者提供學習的便利。一、有關logistic的基本概念logistic回歸主要用來預測離散因變量與一組解釋變量之間的關系最常用的是二值型logistic。即因變量的取值只包含兩個類別例如：好、壞 ；發(fā)生、不發(fā)生；常用Y=1或Y=0表示 X表示解釋變量則P（Y=1|X）表示在X的條件下Y=1的概率，logistic回歸的數學表達式為：log（p/1-p）=A+BX 其中p/1-p稱為優(yōu)勢比（） 即發(fā)生與不發(fā)生的概率之比可以根據上式反求出P（Y=1|X）/（-L）根據樣本資料可以通過最大似然估計計算出模型的參數然后根據求出的模型進行預測下面介紹logistic回歸在中的實現以及輸出結果的解釋二、logistic回歸模型初步中回歸輸出結果主要包括預測模型的評價以及模型的參數預測模型的評價與多元線性回歸模型的評價類似主要從以下幾個層次進行（）模型的整體擬合優(yōu)度主要評價預測值與觀測值之間的總體一致性?？梢酝ㄟ^以下兩個指標來進行檢驗、osmer-Lemeshowz指標 HL統計量的原假設Ho是預測值和觀測值之間無顯著差異，因此HL指標的P-Value的值越大，越不能拒絕原假設，即說明模型很好的擬合了數據。在中這個指標可以用LACKFIT選項進行調用、AIC和SC指標 即池雷準則和施瓦茨準則 與線性回歸類似AIC和SC越小說明模型擬合的越好（2）從整體上看解釋變量對因變量有無解釋作用 相當于多元回歸中的F檢驗 在logistic回歸中可以通過似然比（likelihood ratiotest）進行檢驗（3）解釋變量解釋在多大程度上解釋了因變量 與線性回歸中的R2作用類似在logistic回歸中可以通過Rsquare和C統計量進行度量在SAS中通過RSQ來調用Rsquare，C統計量自動輸出 (4)模型評價指標匯總統計量趨勢擬合作用SAS調用命令備注AIC、SC越小越好類似與多元回歸中的殘差平方和模型自動輸出 似然比卡方越大越好類似與多元回歸中的回歸平方和自動輸出P值越小越好RSQUARE越大越好類似與多元回歸中的R2用RSQ選項調用 C統計量越大越好度量觀測值和條件預測的相

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論