二分类模型（清风建模学习笔记）
我们将用逻辑回归和Fisher线性判别分析两种分类算法实现二分类模型。水果的例子：对于因变量为分类变量的情况，我们可以使用逻辑回归进行处理。把y看成事件发生的概率，y>0.5表示发生；y<0.5表示不发生逻辑回归步骤(spss)：第一步：数据预处理：生成虚拟变量预测成功率逻辑回归系数表表格中新添两列解读y_hat:预测量逐步回归的设置假如自变量有虚拟变量怎么办？预测结果较差怎么办？可在
·
我们将用逻辑回归和Fisher线性判别分析两种分类算法实现二分类模型。
水果的例子：
对于因变量为分类变量的情况，我们可以使用逻辑回归进行处理。
把y看成事件发生的概率，y>0.5表示发生；y<0.5表示不发生
逻辑回归步骤(spss)：
第一步：数据预处理：生成虚拟变量
预测成功率
逻辑回归系数表
表格中新添两列解读
y_hat:预测量
逐步回归的设置
假如自变量有虚拟变量怎么办？
预测结果较差怎么办？
可在logistic回归模型中加入平方项、交互项等
加入了平方项的结果
加入平方项后，虽然预测能力提高了，可能会出现过拟合现象。
对于样本数据的预测非常好，但是对于样本外的数据的预测结果可能会很差。
如何确定合适的模型呢？
把数据分为训练组和测试组
用训练组的数据来估计出模型，再用测试组的数据来进行测试。（训练组和测试组的比例一般设置为80%
和
20%)
Fisher线性判别分析步骤（spss）
结果分析：
多分类分析
Fisher判别式用于多分类
结果：
为开发者提供学习成长、分享交流、生态实践、资源工具等服务，帮助开发者快速成长。
更多推荐
12
0- 0
已为社区贡献1条内容
所有评论(0)