分类模型(将回归模型的输出离散化)

对于二分类模型,我们将介绍逻辑回归(logistic regression)Fisher线性判别分析两种分类算法;对于多分类模型,我们将简单介绍Spss中的多分类线性判别分析多分类逻辑回归的操作步骤。 

目录

二分类模型

逻辑回归(logistic regression)

Fisher线性判别分析

 多分类问题

Fisher判别分析

 Logistic回归


二分类模型

逻辑回归(logistic regression)

1.若有定性变量,先预处理成虚拟变量

用spss

2.y为二值变量用逻辑回归

1)线性概率模型(出现不现实的情况)

2) 两点分布(伯努利分布)

基本思路: 连续函数取法(一般使用logistic回归,模型简单)

 求解:用极大值估计->B^->y^->判断与0.5大小

若线性用最小二乘法

非线性用极大值法

结果分类(与0.5对比) 没有考虑交互项

 求解步骤:spss结果一般看块一->预测成功率 

 

预测成功率

 逻辑回归系数表

 

 逐步回归(会删除自变量,可能产生内生性)

 创建虚拟变量一般用(2)

预测结果较差,但会产生过拟合问题(类似龙格现象,显著性不好)

补:显著性检验:用于检验实验组与对照组之间是否有差异以及差异是否显著 过拟合改进

 清空测试组数据之后与预测结果进行对比

Fisher线性判别分析

核心问题:找到线性系数向量w

 spss操作

结果分析蓝色区域放入论文

 多分类问题

Fisher判别分析

Fisher判别分析多分类的结果 

 

 Logistic回归

spss操作

 

 结果说明

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值