分类模型

线性概率模型

数据预处理：生成虚拟变量

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

Spss求解逻辑回归

预测成功率



假如自变量有分类变量怎么办?
直接点击分类，然后定义分类协变量，Spss会自动帮我们生成

预测结果较差怎么办？

加入了平方项后,可能会过拟合

如何确定合适的模型？
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%)已知分类结果的水果ID为1‐38，前19个为苹果，后19个为橙子。每类水果中随机抽出3个ID作为测试组，剩下的16个ID作为训练组。（比如：17‐19、36‐38这六个样本作为测试组）比较设置不同的自变量后的模型对于测试组的预测效果。

Fisher线性判别分析

详细证明和求解步骤：https://www.bilibili.com/video/av33101528/?p=3
LDA(Linear Discriminant Analysis)是一种经典的线性判别方法，又称Fisher判别分析。该方法思想比较简单:给定训练集样例，设法将样例投影到一维的直线上，使得同类样例的投影点尽可能接近和密集，异类投影点尽可能远离

多分类问题

现在水果的类别一共有四种

Logistic回归也可用于多分类
将连接函数：Sigmoid函数 推广为 Softmax函数

最后

以上就是耍酷铃铛为你收集整理的分类模型的全部内容，希望文章能够帮你解决分类模型所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。