logistic回归原理
logistic回归原理什么用？
logistic原理？
logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为“是”或“否”，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。
logistic原理？
logistic回归，又叫对数几率回归logistic回归是处理二分类问题的，所以输出的标记y={0,1}，并且线性回归模型产生的预测值z=wx b是一个实值，所以我们将实值z转化成0/1值便可，这样有一个可选函数便是“单位阶跃函数”：
这种如果预测值大于0便判断为正例，小于0则判断为反例，等于0则可任意判断！
logistic回归方程一般形式？
分别是二项logistic回归，无序多分类logistic回归和有序多分类logistic回归。
二项logistic回归
因变量为两种结局的二分类变量，如中奖=1、未中奖=0；
自变量可以为分类变量，也可以为连续变量；
阳性样本量n要求是自变量个数至少10倍；
无序多分类logistic回归
因变量为无序的多分类变量，如获取健康知识途径（传统大众媒介=1，网络=2，社区宣传=3）；
自变量可以为分类变量，也可以为连续变量；
也可用于因变量为有序多分类变量，但不满足平行检验条件的数据资料；
原理：用因变量的各个水平（除参照水平外）与参照水平比值的自然对数来建立模型方程；
有序多分类logistic回归
因变量为有序的多分类变量，如病情严重程度（轻度=1，中度=2，重度=3）；
自变量可以为分类变量，也可以为连续变量；
原理：将因变量的多个分类依次分割为多个二元的Logistic回归；
须进行平行线检验，即检验自变量系数是否相等，如不满足，则使用无需多分类logistic回归；