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。