主成分分析与因子分析的区别1. 目的不同：2. 线性表示方向不同：3. 假设条件不同：主成分分析中不需要有假设；因子分析的假设包括：各个公共因子之间不相关，特殊因子之间不相关，公共因子和特殊因子之间不相关。4. 提取主因子的方法不同：因子分析抽取主因子不仅有主成分法，还有极大似然法，主轴因子法，基于这些方法得到的结果也不同；主成分只能用主成分法抽取。5. 主成分与因子的变化：当给定的协方差矩阵或者
一、Logistic回归与多元线性回归不同，logistic回归可以用来解决分类问题，其中二项Logistic回归通常可以解决是否购买、是否流失等二分类问题，而多项Logistic回归可以用于多分类的操作。本篇先介绍二项的logistic回归1.1为什么Logistic回归可以用来解决分类问题？回顾多元线性回归问题的经验，可以发现多元线性回归的目标是数值型变量，假定为y，y的取值范围是全体实数，即
转载
2024-08-15 19:26:02
51阅读
回溯法也是算法中比较重要的，是一种试探法，和蛮力法差不多。
回溯法与蛮力法的区别就是，回溯法有预判功能，一旦前方经过计算不满足约束条件或者前方不可能再具有最优解，则回头从另一方向进行搜索。
回溯法一般的解空间是用一棵树表示的。我们再上一篇稍稍提到了回溯法的这个词汇，本篇来介绍回溯法的概念。回溯法和蛮力法（穷举法）是差不多的算法。回溯法也是一个一个试探，然后找到一个最优解的算法。但是它们的最大区别就
参考教程：B站教程?课讲的挺垃圾的，主要还是看pdf?pdf其实也蛮垃圾的，主要还是看文献1和2通过该例，我们尝试用年龄、肿瘤大小、肿瘤扩散等级来预测癌变部位的淋巴结是否含有癌细胞。 无法使用多元线性回归模型的原因，老师在这里提到“因为残差不满足正态性、无偏性、共方差性等假设”。（←也是一种思路，可以与之前从吴恩达老师那里学的思路进行比较。）步骤1步骤2 因变量自然就是癌变部位xxx，协变量在这里
转载
2024-01-09 17:04:30
931阅读
SPSS回归分析案例1.应用最小二乘法求经验回归方程1.1数据导入首先将数据导入SPSS如下： 1.2线性回归条件的验证我们需要验证线性回归的前提条件：线性（散点图，散点图矩阵）独立性正态性（回归分析的过程中可以检验）方差齐性（回归分析的过程中可以检验）1.2.1 散点图绘制打开图形->旧对话框->散点/点状 选择矩阵分布后将X,Y作为变量绘制散点图： 最终得到散点图： 可以看出X-Y
转载
2023-11-01 20:16:25
128阅读
书上介绍，属于最优化算法，也确实如此，就像怎么工作时间短并且又做得好一样。 主要思想是：根据现有数据对分类边界线建立回归公式，以此分类。因为需要计算距离，需要数值型数据；因为工作原因，挑选的数据需要预测性强、容易获得、容易解读等等，算法的大部分时间用于训练，为了找到最佳的回归系数。 因为个人数学极差，理解公式很费劲，书中
转载
2024-03-20 07:43:53
89阅读
# Logistic逐步回归Python
Logistic回归是一种广泛使用的统计方法，用于二元分类问题。在这种情况下，我们的目标是预测一个二元结果，例如“是”或“否”，“成功”或“失败”。Logistic回归模型通过将线性回归模型的输出通过Logistic函数转换为概率，从而实现这一目标。
在某些情况下，我们可能希望逐步选择变量，以构建一个逐步回归模型。逐步回归是一种选择相关预测变量的方法，
原创
2024-07-26 04:17:39
87阅读
逻辑回归（Logistic Regression）是一种常见的统计学习方法，用于建立二分类模型。它通过将线性回归模型的输出转换为概率值，从而进行分类预测。逻辑回归的核心思想是使用一个称为“逻辑函数”（logistic function）或“Sigmoid函数”的特殊函数。这个函数可以将任何实数映射到0和1之间的概率值范围内。逻辑函数的公式如下：g(z) = 1 / (1 + e^(-z))其中，g
转载
2024-06-18 09:16:30
85阅读
简介回归的目的是通过研究自变量X与因变量Y之间的相互关系识别重要的变量，剔除次要的变量，即逐步回归的思想判断相关性的方向，正还是负估计变量的权重，即回归系数在x=x0处对y做预测，对y做区间估计常见的回归分析有五类：线性回归(OLS, GLS)、0-1回归(Logistic 回归)、定序回归(probit 定序回归)、计数回归(Possion 回归)和生存回归，其划分的依据均为因变量Y的类型。因变
转载
2024-02-01 08:43:41
103阅读
SPSS 是全球领先的统计分析与数据挖掘产品，全名：Statistical Product and Service Solutions 成立于 1968年，是世界上应用最广泛的专业统计和数据模型软件之一。目前，SPSS、SAS、Stata一齐被称为三大权威统计软件。 ►推荐：还有比暑假学习 stata 语言更快乐的事吗？我看没有 | 北京仅最后 25 名额常用多变量分析技术比较汇总表注：&nb
转载
2024-04-27 19:45:53
96阅读
当有大量的候选变量中选择最终的预测变量，有以下两种流行方法 逐步回归法(stepwise method)a、向前逐步回归（forward stepwise regression）：每次添加一个预测变量到模型中，知道添加不会使模型有所改进为止b、向后逐步回归（back setpwise regression）：从模型中所有的预测变量开始，每次逐步删除一个变量直到会减低模型质量为止c、向
转载
2024-03-19 09:34:38
0阅读
6逐步回归6.1导读逐步回归分析研究X 对Y 的影响关系情况，X 可以为多个，但·
原创
2021-08-08 10:06:27
171阅读
6逐步回归6.1导读逐步回归研究X 对Y 的影响关系
原创
2022-04-09 11:54:41
174阅读
6逐步回归6.1导读逐步回归分析研究X 对Y 的影响关系情况，X 可以为多个，但并非所有 X 均会对Y 产生影响；当 X 个数很多时，可以让系统自动识别出有影响的 X；这一自动识别分析方法则称为逐步回归分析。逐步回归分析是多元回归分析中的一种方法。
原创
2021-08-25 16:03:54
497阅读
1. 什么是逻辑回归 逻辑回归是用来做分类算法的，大家都熟悉线性回归，一般形式是Y=aX+b，y的取值范围是[-∞, +∞]，有这么多取值，怎么进行分类呢？不用担心，伟大的数学家已经为我们找到了一个方法。 也就是把Y的结果带入一个非线性变换的Sigmoid函数中，即可得到[0,1]之间取值范围的数S，S可以把它看成是一个概率值，如果我们设置概率阈值为0.5，那么S大于0.5可以看成是正样本，小
都说万事开头难，可一旦开头，就是全新的状态，就有可能收获自己未曾预料到的成果。记录是为了更好的监督、理解和推进，学习过程中用到的数据集和代码都将上传到github
回归是对一个或多个自变量和因变量之间的关系进行建模，求解的一种统计方法，之前的博客中总结了在线性回归中使用最小二乘法推导最优参数的过程和logistic回归，接下来将对最小二乘法、局部加权回归、岭回归和前向逐步回归算
转载
2024-03-21 14:50:00
123阅读
1. 认识数学建模数学建模：从 1985 年美国的 MCM（Mathematical Contest in Modeling）一直发展至今。亚里士多德说，“智慧不仅仅存在于知识之中，而且还存在于应用知识的能力中”。数学建模就是对数学知识最好的应用。通过数学建模，你会发现，生活中很多有意思的事情都可以靠它来解决，其结构如下：2. 应该怎么查找数据？数据来源查找主要有三个模式： 题目来源数据；
转载
2024-06-06 10:49:06
125阅读
“归纳”，是一种从经验事实中找出普遍特征的认知方法数学归纳法的一般步骤是这样的：证明基本情况（通常是 n=1 的时候）是否成立；假设 n=k−1 成立，再证明 n=k 也是成立的（k 为任意大于 1 的自然数）。和使用迭代法的计算相比，数学归纳法最大的特点就在于“归纳”二字。它已经总结出了规律。只要我们能够证明这个规律是正确的，就没有必要进行逐步的推算，可以节省很多时间和资源。数学归纳法中的“归纳
Logistic回归概念 logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和
转载
2023-08-30 07:51:14
180阅读
# 使用Python进行Logistic逐步回归剔除变量的实现
Logistic回归是一种广泛用于二分类问题的统计模型，可以通过逐步回归方法来选择最优的特征。逐步回归通过逐步添加或剔除变量来提高模型的性能。在本篇文章中，我们将详细介绍如何使用Python实现Logistic逐步回归剔除变量。
## 流程概述
首先，我们需要明确整个过程的步骤。以下是实现Logistic逐步回归剔除变量的基本流
