Logistic回归与分类变量分析

Logistic回归，又称为logistic回归分析，是一种广义的线性回归分析模型，通常用于数据挖掘和分类任务。

在回归分析中，如何有效地应用分类型变量是一个关键问题。除了二值和排序型变量外，其他类型的分类型变量可以通过转化为虚拟变量来增强模型的表达能力。例如，对于属性“分布形式”有多个取值的情况，可以创建相应的虚拟变量。这种策略不仅能够保留原始信息，还能够有效地提升回归模型的预测能力。

数据挖掘部分10第8组 作者： 巴勃罗·诺亚克（Pablo Noack）17596阿克塞尔·洛佩兹20768凯文·马卡里奥1736

Logistic回归，又称logistic回归分析，是一种广义的线性回归分析模型，在数据挖掘、疾病自动诊断和经济预测等领域有广泛应用。例如，可以用于探索疾病的危险因素，并预测疾病发生的概率。虽然Logistic回归的因变量可以是多分类的，但在实际应用中，二分类的情况更为常见和易于解释。Matlab提供了有效的工具和函数来实现这一模型。

分类和回归皆可预测，但分类输出类别标签（离散属性），回归输出连续属性值。举例：预测客户流失（分类），预测商场营业额（回归）。

预测型数据分析：分类与逻辑回归 数据分析师培训 本课件涵盖以下内容： 分类方法概述 逻辑回归模型原理 模型建立与评估 应用案例分析

条件Logistic回归是一种用于配对资料分析的统计方法，特别适用于流行病学的病例-对照研究。通过年龄、性别等条件进行配对，以控制重要混杂因素，形成多个匹配组。每组通常包括一个病例和若干个对照，是一种常见的1:M配对研究方法。

（3）对变量y和x1、x2进行线性回归分析：假设X=[ones(13,1) x1 x2]; 利用regress函数进行拟合得到参数估计结果：b = 52.5773 1.4683 0.6623。因此，最终的回归模型为：y=52.5773+1.4683x1+0.6623x2。

除了Matlab回归分析外，其他自变量的回归系数置信区间均包含零点在临界状态。这些自变量的效应将一一被移除（顺序无关）。当模型仅包含Matlab时，具体结果如下表所示：参数估计值和其置信区间为：1. 0.5162 [0.01546, 0.019], 2. -0.05469 [-0.853, 0.7436], 3. 0.6706 [-0.03795, 1.379], 4. 0.1245 [-0.462, 0.6751], 5. -0.04335 [-0.2514, 0.1647], 6. 0.1363 [-0.6958, 0.9684]。模型的RMSE为0.1125，R-square为0.9806，F值为67.29，p值为2.071e-006。