logistic模型演算法

⑴ logistic模型是什麼意思

Logistic模型（蟲口模型）
logistic回歸又稱logistic回歸分析，主要在流行病學中應用較多，比較常用的情形是探索某疾病的危險因素，根據危險因素預測某疾病發生的概率，等等。例如，想探討胃癌發生的危險因素，可以選擇兩組人群，一組是胃癌組，一組是非胃癌組，兩組人群肯定有不同的體征和生活方式等。這里的因變數就是是否胃癌，即「是」或「否」，為兩分類變數，自變數就可以包括很多了，例如年齡、性別、飲食習慣、幽門螺桿菌感染等。自變數既可以是連續的，也可以是分類的。通過logistic回歸分析，就可以大致了解到底哪些因素是胃癌的危險因素。

⑵ 邏輯回歸演算法原理是什麼

邏輯回歸就是這樣的一個過程：面對一個回歸或者分類問題，建立代價函數，然後通過優化方法迭代求解出最優的模型參數，測試驗證這個求解的模型的好壞。

Logistic回歸雖然名字里帶「回歸」，但是它實際上是一種分類方法，主要用於兩分類問題（即輸出只有兩種，分別代表兩個類別）。回歸模型中，y是一個定性變數，比如y=0或1，logistic方法主要應用於研究某些事件發生的概率。

Logistic回歸模型的適用條件

1、因變數為二分類的分類變數或某事件的發生率，並且是數值型變數。但是需要注意，重復計數現象指標不適用於Logistic回歸。

2、殘差和因變數都要服從二項分布。二項分布對應的是分類變數，所以不是正態分布，進而不是用最小二乘法，而是最大似然法來解決方程估計和檢驗問題。

3、自變數和Logistic概率是線性關系。

以上內容參考：網路-logistic回歸

⑶ 關於logit和logistic模型的區別

一、主體不同

1、logit模型：是離散選擇法模型之一，Logit模型是最早的離散選擇模型，也是目前應用最廣的模型。

2、logistic模型：又稱logistic回歸分析，logistic回歸的因變數可以是二分非線性差分方程類的，也可以是多分類的。

二、特點不同

1、logit模型：因變數不是常規的連續變數，而是對數發生比率，盡管每個自變數的估計系數含義與一般線性回歸一樣，數的經濟學含義，較方便的做法是將Logit進行轉換後再進行解釋，而不是直接解釋系數本身,即將回歸模型等式兩側取自然指數。

2、logistic模型：如果已經建立了logistic回歸模型，則可以根據模型，預測在不同的自變數情況下，發生某病或某種情況的概率有多大。

三、優勢不同

1、logit模型：模型考察了對兩種貨幣危機定義情況下發生貨幣危機的可能性，即利率調整引起的匯率大幅度貶值和貨幣的貶值幅度超過了以往的水平的情形，而以往的模型只考慮一種情況。

2、logistic模型：在流行病學中應用較多，比較常用的情形是探索某疾病的危險因素，根據危險因素預測某疾病發生的概率等。

⑷ 如何用matlab求解logistic模型

logistic模型屬於非線性問題。所以求解其模型函數的系數可以用nlinfit（）非線性回歸分析函數來解決。由於給出的數據偏少，通過有效的插值方法，增加合理的數據點。主要代碼：

a0=[-35.287，813.17，0.0098613];

t=0:5:75; %t=[0,30,45,76];

p=[2200 2259.2 2429.3 2699.5 3058.7 3495.8 4000 5228.9 7048.4 8260 8738.6 9152.7 9494 9754.1 9924.9 9997.9]; %p=[2200,4000,8260,10000];

fun=@(a,t)a(1)./(1+(a(1)/a(2)-1)*exp(-a(3).*t));

a= nlinfit(t,p,fun,a0);

運行結果

L=11278.4096；P0=1257.3315；r=0.061172

決定系數R²：0.93268

⑸ 如何建立logistic回歸模型

logistic回歸模型，主要是用來對多因素影響的事件進行概率預測，它是普通多元線性回歸模型的進一步擴展，logistic模型是非線性模型。比如說我們曾經做過的土地利用評價，就分別用多元線性回歸模型和logistic模型進行試驗。影響耕地的因素假設有高程、土壤類型、當地人口數量和gdp總量，把上述四種因素作為自變數，某塊地是否為耕地的概率為p，即應變數。然後根據已經有的樣本數據，求出logistic模型的系數，一般用最大似然法結合牛頓—拉斐遜法解系數，求出f(p)=g(高程，土壤，人口，gdp）的一個回歸函數，即logistic模型，然後把全地區的數據代入上式，求出每個地方是否為耕地的概率，用來對土地利用的評價提供科學的依據。希望我的答案能讓你滿意，我以前就是做這方面研究的。