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:
点击阅读全文
更多推荐
所有评论(0)