分类模型（将回归模型的输出离散化）

已于 2022-02-10 13:00:40 修改
阅读量818 收藏 1
点赞数
分类专栏： 建模 文章标签： 分类 数学建模
于 2022-02-10 11:40:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_62032391/article/details/122855886
版权

对于二分类模型，我们将介绍逻辑回归(logistic regression)和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和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

 

Yuerya.
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Tensorflow（四）搭建分类与回归模型模型
weixin_38087754的博客
12-30 306
import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import sklearn import pandas as pd import os import sys import time import tensorflow as tf from tensorflow import keras #...
【机器学习笔记】分类算法与回归算法的区别
春雪阁
11-29 3930
回归问题和分类问题的本质一样，都是针对一个输入做出一个输出预测，其区别在于输出变量的类型。 分类问题是指，给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1），是一种定性输出，也叫离散变量预测； 回归问题是指，给定一个新的模式，根据训练集推断它所对应的输出值（实数）是多少，是一种定量输出，也叫连续变量预测。 举个例子：预测明天的气温是多少度，这是一个回归任务；预测明天是阴、晴还是...
分类和回归
LKJLKJKL的博客
08-09 220
分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。 　一般来说，回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为499元，我们认为这是一个比较好的回归分析。回归是对真实值的一种逼近预测。 　　分类问题是用于将事物打上一个标签，通常结果为离散值。例如判断一幅图片上的动物是一只猫还是一只狗。分类并没有逼近的概念，最终...
分类模型和回归模型
qq_31425127的博客
07-30 3545
分类： 概念：对于分类问题，监督学习从数据中学习一个分类模型或者分类决策函数，称为分类器。分类器对新的输入预测其属于哪一类别，称为分类。 优化过程：找到最优决策面 输出：离散值，如0/1，yes/no 评价指标：一般是精确率，即给定测试数据集，分类器能正确分类的样本数占总样本数的比。 模型损失函数：交叉熵损失函数 回归： 概念：回归用于预测输入变量和输出变量之间的关系，特别是当输入变...
从线性回归到线性分类
FeNGQiHuALOVE的博客
01-17 1161
线性回归在统计机器学习中占据了核心地位，最基础的模型。 线性回归有三个特点，打破线性回归的一个或几个特点，就形成了统计机器学习中的众多模型。三个特点如下： 1. 线性： 1.1关于特征x是线性的， 1.2关于参数w是线性的。 1.3从全局看线性组合之后直接输出了结果，没有任何处理。 2. 全局性：对所有的特征空间拟合，不是将特征分段拟合。 3. 数据...
线性回归预测模型.docx
03-27
3. 不适用于分类问题：线性回归主要适用于连续变量的预测，而非离散类别的分类。 在实际应用中，如果线性模型不能满足需求，我们可以考虑使用更复杂的预测模型，如： 1. **决策树**：通过一系列基于特征的判断来...
五大预测分析模型，很经典
04-15
1. 分类模型：分类模型主要用于预测离散的输出变量，如是/否决策。它们分析历史数据，学习模式，并据此将新数据分配到预定义的类别中。常见的分类算法有逻辑回归、决策树、随机森林和神经网络等。分类模型在零售、...
7种回归模型1
08-03
5. **逻辑回归**虽然名称中带有“回归”，但它实际上是一种分类模型，用于预测离散的输出，如二分类问题。逻辑回归通过将线性模型的输出映射到[0, 1]区间，以概率形式表示离散结果。 6. **套索回归（Lasso ...
09.回归模型LinearRegression简单分析氧化物数据1
08-03
在机器学习中，回归算法用于连续变量的预测任务，区别于分类算法，后者处理离散的类别标签。常见的回归算法除了线性回归，还包括多项式回归、岭回归、套索回归、支持向量回归等。 在实际应用中，Python 是常用的...
TensorFlow实现模型评估
09-20
在分类问题中，模型预测离散的类别。TensorFlow同样支持这类任务，我们可以使用诸如逻辑回归或神经网络等模型。在训练过程中，我们可能需要显示每个批次的正确分类百分比，并在训练完成后对测试数据进行评估。对于二...
机器学习中的回归(regression)与分类(classification)问题
热门推荐
小时候贼聪明
03-13 6万+
分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。
角度回归——角度编码方式
最新发布
Hali_Botebie的博客
09-21 538
longside: 旋转矩形框的最长边* shortside: 与最长边对应的另一边* Θ: x轴顺时针旋转遇到最长边所经过的角度利用好cv2.minAreaRect()函数+总结规律就可以注意opencv4.1.2版本cv2.minAreaRect()函数生成的最小外接矩形框（x，y，w，h，θ）的几个大坑:(1) 在绝大数情况下 Θ∈[-90, 0)；(2) 部分水平或垂直的目标边框，其θ值为0；(3) width或height有时输出0, 与此同时Θ = 90；
使用caffe训练一个多标签分类/回归模型
无空ty的博客
11-29 5874
前言这篇博客和上一篇性质差不多，都是旨在说明使用caffe训练图像分类模型的大概流程。不同的是，上篇博客讲的单标签图像分类问题，顾名思义，其输入和输出都是单标签或者可以说是单类别的，而此篇则把重点放在如何处理多标签分类/回归问题的输入和输出上。多标签分类/回归问题和单标签的工作流程比较类似，大致分为以下几个步骤，然后本博客再对各个环节做进一步解释。 准备数据（图像整理好放到合适的文件夹中，对应的gr
二分与离散化
zxwsbg的博客
05-21 405
由于JSCPC被坑，于是特地写一篇专题。 文章目录整数集合上的二分在单调增序列中查找$\geq x$的最小值在单调增序列中查找$\leq x$的最大值实数域二分实数域常见二分指定次数二分 整数集合上的二分 答案在 [l,r] 区间内。 注意要求mid用的是右移运算符，/2会造成负数域内的误差 在单调增序列中查找≥x\geq x≥x的最小值 bool check(int x) { if(a[...
提示学习中的模型输出类型-答案类型
znsoft的专栏
04-23 555
在提示学习中答案形状可以分为三种： 单token答案 ( single token) 跨度答案（span) 开放式文本（open ended text) 第一种 主要用于分类任务等只需要一个指示状态的 第二种用于 序列分类，比如ner, 关系抽取，事件抽取等需要从原文中获取文本作为结果的场景 第三种用于 生成任务，比如 文本翻译等。 对于第一第二种形态，需要在bert/bart之类模型输出后面接入mlp之类的映射layer 将输出 的logits映射 为需要的标签或跨度值 第三种就
深度学习中角度估计
qq_32425195的博客
07-21 5015
1.3D Bounding Box Estimation Using Deep Learning and Geometry(CVPR 2017) We show that a novel MultiBin discretecontinuous formulation of the orientation regression significantly outperforms a more traditional L2 loss （1）L2 loss在很多回归问题中并不好用，它预测结果倾向平均值： L2
回归模型中的离散型特征编码方式-----Dummy Coding对比One-hot encoding
xiaohutong1991的专栏
08-10 5379
一、哑变量定义 哑变量（DummyVariable），也叫虚拟变量，引入哑变量的目的是，将不能够定量处理的变量量化，在线性回归分析中引入哑变量的目的是，可以考察定性因素对因变量的影响，它是人为虚设的变量，通常取值为0或1，来反映某个变量的不同属性。对于有n个分类属性的自变量，通常需要选取1个分类作为参照，因此可以产生n-1个哑变量。如职业、性别对收入的影响，战争、自然灾害对GDP的影响，季节对某些产品（如冷饮）销售的影响等等。这种“量化”通常是通过引入“哑变量”来完成的。根据这些因素的属性类型，构造只取“
机器学习入门（十）：逻辑回归——用来做分类的回归模型
米饭超人的专栏
03-12 748
现在我们回到 LR 模型本身。 回归模型做分类 从前面关于分类与回归的定义来看，分类模型和回归模型似乎是泾渭分明的。输出离散结果的就是用来做分类的，而输出连续结果的，就用来做回归。 我们前面讲的两个模型：线性回归的预测结果是一个连续值域上的任意值，而朴素贝叶斯分类模型的预测结果则是一个离散值。 但 LR 却是用来做分类的。它的模型函数为： h...
二分类 到 多分类 之 逻辑回归多分类推广
SkullSky的博客
09-08 1814
二分类推广至多分类有众多方法：如OVR、OVO等算法。这些算法思想都比较直观，容易理解，但性能上相比二分类高了不少。那经典的二分类算法是怎么推广到多分类的呢？这里以逻辑回归算法为例，介绍其二分类推广形式。 1. 基本思路 首先，回顾一下二分类逻辑回归模型的基本思路，详情参见【】： 根据。。得到样本属于正类的得分 score; 通过 logistic 函数将得分映射为概率值 probability ; 最后计算交叉熵作为 loss，反向梯度传播求解最优参数 ω\omegaω。。 2. 概率值转换 对于二
二分类logistic回归模型
07-28
二分类Logistic回归模型是一种用于解决离散值分类问题的回归模型。它通过将线性模型的输出值通过Sigmoid函数映射到0到1之间的概率值，来进行分类。具体而言，Logistic回归模型使用回归系数对输入特征进行加权求和，...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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