本题按水果分类的例子  

 

 

 

思路：逻辑回归原始现象

1. 设置虚拟变量y 
2. 进行回归，估计出来的y-hat于虚拟变量中哪个更接近则分类为那个。

 

Eg：设1苹果，2橙子 若y与1接近为苹果，与0近为橙子

数据预处理生成虚拟变量

自变量mass重量，width水果宽度，height水果高度，color_score颜色（0-1）

因变量：fruit_name水果名

生成虚拟变量操作：转换->创建虚拟变量

3.逻辑回归： 

 

4.建立模型：

 不难看出u与x有相关性所以存在内生性，导致得到的数据不准确，所以需要进行改进。

 解决内生性的方法：两点分布

连接函数的取法 

这两个公式由图得出两个模型都符合x属于（-∞，+∞）y属于（0，1） 

 

如何求解？

 

将自变量代入式子得到y与0.5对比（本题按0.5对比是水果案例）

极大似然估计能够估计粗B_hat再推出y_hat最后预测。

怎么用于分类？

这里我们选择第二个方程e^X/1+e^x 

 SPSS求解二元逻辑回归： 

 

 

逻辑回归系数表： 

 

假如自变量有分类变量怎么办？

 

预测结果较差怎么办？ 

 

 

负面影响：

增加平方自变量过于让拟合线完全贴近样本数据，导致预测数据不吻合。

 

如何确定合适的模型？（既使得样本数据符合，也使得预测数据更加可靠） 

 

这里我们把苹果和橙子都剔除三个再对比

 

Fisher线性判断别分析 

 

核心问题：找到系数向量w 

 

SPSS操作： 

 

 

 

多分类问题： 

 

Fisher判断多分类

1.设置好分类数量

 2.摘要表

 

3.保存中：预测组成员+组员概率

 

Fisher多分类判别结果结果： 

 

Logistic多分类判别：

 

Spss操作：

分析->回归->多元Logistic

 

统计中：选择分类其余可看自己是否需要选择

 保存中选择：估算响应概率，预测类。

 

结果： 

 

课后作业：

 

解答：

为了方便能进行多元分类，我们需要自定义类别的名称，如将变色鸢尾为1，山鸢尾为2，维吉尼亚鸢尾为3.

 

 博主选择了Logistic多元分类：

但是为了防止样本数据或预测数据的不准确性，我们将数据分为训练组和测试组，最后得到的分类结果。

 

预测结果：