sklearn随机森林回归 logistic回归模型，一般用几个指标？
logistic回归模型，一般用几个指标？
它们是二项logistic回归、无序logistic回归和有序logistic回归。
二项logistic回归
因变量是两个结果的二元变量，如wing=1，not wing=0；
自变量可以是分类变量或连续变量；
正样本量n要求至少是自变量个数的10倍；
无序多分类logistic回归
因变量为无序多分类变量，如获取健康知识（传统媒体=1，网络=2），社区宣传=3）；
自变量可为分类变量或连续变量；
也可用于因变量为有序多分类变量但不满足平行试验条件的数据；
原理：用因变量各阶（参考阶除外）与参考阶之比的自然对数建立模型方程；
有序多分类logistic回归
因变量它是有序多分类变量，如疾病的严重程度（轻度=1，中度=2，重度=3）；
自变量可以是分类变量或连续变量；
原理：因变量的多重分类依次分为多重二元logistic回归；
自变量的系数是否相等需要平行线检验，如果不相等，说明多重分类logistic回归使用太少。
面板数据比时间序列和横截面数据复杂得多。首先，您必须对模型设置和数据选择做出总体决定（多少年？有多少节？变量的多少首先要研究变截面系数或变截距系数的一致性，然后要研究变截面系数和变截距系数的一致性。无论是固定效应还是随机效应都应该用Hausmann检验来检验，但一般来说固定效应是足够的。模型选择是回归分析。可以使用OLS或GLS。如果DW值不好，可以在模型中加入AR（n）进行校正。模型应该不断地尝试和修改，最后选择最符合要求的模型。
sklearn随机森林回归 sklearn模型部署 sklearn模型融合
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
