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%)
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:
今天的文章二分类模型(清风建模学习笔记)[通俗易懂]分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/78255.html