Logistic回归模型

Logistic回归模型是处理分类变量的首选模型,适用于因变量只能取两个值的情况。模型利用Logistic函数进行拟合,通过极大似然估计方法求解参数。回归系数反映自变量对因变量的影响。拟合优度检验如皮尔逊x2检验用于评估模型的准确性。流行的数据分析平台如SAS、SPSS和Weka等在数据挖掘中广泛应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、Logistic回归模型

线性回归模型要求因变量是连续型正态变量。当因变量是分类变量时,Logistic回归模型是最好的回归模型。

由于y只能取两个值1或0,y的条件数学期望:

E(y|xi)=1*p(y=1|xi)+0*p(y=0|xi)=p(y=1|xi)

选择一个函数,p(y=1|x)=f(x)=Logistic函数,作为回归方程。即利用观测数据(xi,yi)拟合一个Logistic函数。

根据Logistic函数的定义

p=p(y=1|x)=exp(a+b*x)/(1+exp(a+b*x)),这里p/(1-p)=exp(a+b*x)。


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