在R中logistic回归,对新的数据做预测出现新的层次,怎么办

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了在R中logistic回归,对新的数据做预测出现新的层次,怎么办相关的知识,希望对你有一定的参考价值。

参考技术A 在R语言中使用Logistic回归模型:
Logistic模型主要有三大用途:

1)寻找危险因素,找到某些影响因变量的"坏因素",一般可以通过优势比发现危险因素;
2)用于预测,可以预测某种情况发生的概率或可能性大小;
3)用于判别,判断某个新样本所属的类别。
Logistic模型实际上是一种回归模型,但这种模型又与普通的线性回归模型又有一定的区别:
1)Logistic回归模型的因变量为二分类变量;
2)该模型的因变量和自变量之间不存在线性关系;
3)一般线性回归模型中需要假设独立同分布、方差齐性等,而Logistic回归模型不需要;
4)Logistic回归没有关于自变量分布的假设条件,可以是连续变量、离散变量和虚拟变量;
5)由于因变量和自变量之间不存在线性关系,所以参数(偏回归系数)使用最大似然估计法计算。
-本回答被提问者采纳

R语言广义线性模型Logistic回归案例代码

R语言广义线性模型Logistic回归案例代码

在实际应用中,Logistic模型主要有三大用途:

1)寻找危险因素,找到某些影响因变量的"坏因素",一般可以通过优势比发现危险因素;

2)用于预测,可以预测某种情况发生的概率或可能性大小;

3)用于判别,判断某个新样本所属的类别。

Logistic模型实际上是一种回归模型,但这种模型又与普通的线性回归模型又有一定的区别:

1)Logistic回归模型的因变量为二分类变量;

2)该模型的因变量和自变量之间不存在线性关系;

3)一般线性回归模型中需要假设独立同分布、方差齐性等,而Logistic回归模型不需要;

4)Logistic回归没有关于自变量分布的假设条件,可以是连续变量、离散变量和虚拟变量;

5)由于因变量和自变量之间不存在线性关系,所以参数(偏回归系数)使用最大似然估计法计算。

logistic回归模型概

以上是关于在R中logistic回归,对新的数据做预测出现新的层次,怎么办的主要内容,如果未能解决你的问题,请参考以下文章

如何在R语言中使用Logistic回归模型

如何在R语言中使用Logistic回归模型

基于R语言的Logistic回归模型构建与Nomogram绘制

基于R语言PredictABEL包对Logistic回归模型外部验证

R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风|附代码数据

对线性回归,logistic回归和一般回归的认识