19291.logistic回歸在數(shù)據(jù)分析中的應(yīng)用研究

1、暨南大學(xué)碩士學(xué)位論文題名（中英對照）：Logistic回歸在數(shù)據(jù)分析中的應(yīng)用研究StudyontheapplicationsofLogisticregressiontodataanalysis作者姓名：黃俊煌指導(dǎo)教師姓名安聰沛及學(xué)位、職稱：博士、副教授學(xué)科、專業(yè)名稱：應(yīng)用統(tǒng)計學(xué)論文提交日期：2015年5月20日論文答辯日期：2015年5月24日答辯委員會主席：楊力華論文評閱人：劉春光、江穎學(xué)位授予單位和日期：2015年6月28日暨南大學(xué)

2、碩士學(xué)位論文Logistic回歸在數(shù)據(jù)分析中的應(yīng)用研究I摘要在研究實際問題當(dāng)中，經(jīng)常會涉及一些預(yù)測分類問題。Logistic回歸模型作為一種重要分類預(yù)測模型，其主要優(yōu)點是具有堅實的統(tǒng)計學(xué)基礎(chǔ)以及具有有效的概率模型去解釋數(shù)據(jù)。在尋找Logistic回歸模型最優(yōu)參數(shù)時，可以等價為求解使其似然函數(shù)取得最大值的參數(shù)，則求解問題變?yōu)闊o約束優(yōu)化問題。由于該無約束優(yōu)化問題是非線性，需要使用迭代法進(jìn)行求解。擬牛頓法在求解無約束優(yōu)化問題求解方法具有較快的

3、計算速率，而且面對高維的數(shù)據(jù)集時穩(wěn)定性較高，故在本文中使用擬牛頓算法對不同類型的樣本數(shù)據(jù)集進(jìn)行實驗，詳細(xì)闡述Logistic回歸模型在數(shù)據(jù)分類中，各種不同擬牛頓算法的計算速率以及穩(wěn)定性和Logistic回歸模型對不同種類數(shù)據(jù)的適用性。選用SR1，BFGS，Broyden和DFP四種不同的擬牛頓算法對ds1.10數(shù)據(jù)集和ds1.100數(shù)據(jù)集進(jìn)行Logistic回歸模型的參數(shù)擬合，不斷的更改算法迭代停止的條件，計算結(jié)果表明：在具有相同的迭代

4、停止條件以及初始迭代值時，BFGS擬牛頓算法對于高維和低維數(shù)據(jù)集均具有較快的計算速率，且穩(wěn)定性高，這與國際上的已知結(jié)論一致，均認(rèn)為BFGS擬牛頓算法在四種擬牛頓算法中最為優(yōu)秀[25]。選用BFGS擬牛頓法對四個具有不同特點的數(shù)據(jù)集ds1.10，ds1.100，SIDO以及CINA進(jìn)行Logistic回歸模型的參數(shù)估計和交叉驗證。ds1.10，ds1.100分別代表低維和高維非稀疏數(shù)據(jù)集，SIDO和CINA代表高維稀疏數(shù)據(jù)集。計算結(jié)果表明