数学建模常用算法之Logistic回归

这篇具有很好参考价值的文章主要介绍了数学建模常用算法之Logistic回归。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

一元回归

一元线性回归

最小二乘法

设:

y=bx+a

数学建模常用算法之Logistic回归,数学建模,算法,数学建模,回归

即可求得

%% 输入数据
clc, clear all, close all
x=[23.80,27.60,31.60,32.40,33.70,34.90,43.20,52.80,63.80,73.40];
y=[41.4,51.8,61.70,67.90,68.70,77.50,95.90,137.40,155.0,175.0];	
%% 采用最小二乘回归
% 绘制散点图,判断是否具有线性关系
figure
plot(x,y,'r*')                         %作散点图
xlabel('x(职工工资总额)','fontsize', 12)           %横坐标名
ylabel('y(商品零售总额)', 'fontsize',12)           %纵坐标名
set(gca,'linewidth',2);
% 采用最小二乘拟合
Lxx=sum((x-mean(x)).^2);
Lxy=sum((x-mean(x)).*(y-mean(y)));
b1=Lxy/Lxx;
b0=mean(y)-b1*mean(x);
y1=b1*x+b0;
hold on
plot(x, y1,'linewidth',2);

数学建模常用算法之Logistic回归,数学建模,算法,数学建模,回归

其他方法

  1. linearModel.fit函数
%% 采用LinearModel.fit函数进行回归
m2 = LinearModel.fit(x,y)


线性回归模型:
    y ~ 1 + x1

估计系数:
                   Estimate      SE       tStat       pValue  
                   ________    _______    ______    __________

    (Intercept)    -23.549      5.1028    -4.615     0.0017215
    x1              2.7991     0.11456    24.435    8.4014e-09


观测值数目: 10,误差自由度: 8
均方根误差: 5.65
R 方: 0.987,调整 R 方 0.985
F 统计量(常量模型): 597,p 值 = 8.4e-09

  1. regress函数
    数学建模常用算法之Logistic回归,数学建模,算法,数学建模,回归

%% 采用regress函数进行回归
Y=y';
X=[ones(size(x,2),1),x'];
[b, bint, r, rint, s] = regress(Y, X)

b =

  -23.5493
    2.7991


bint =

  -35.3165  -11.7822
    2.5350    3.0633


r =

   -1.6697
   -1.9064
   -3.2029
    0.7578
   -2.0810
    3.3600
   -1.4727
   13.1557
   -0.0346
   -6.9062


rint =

  -14.1095   10.7701
  -14.7237   10.9109
  -16.1305    9.7247
  -12.5148   14.0304
  -15.3118   11.1497
   -9.7162   16.4362
  -14.9630   12.0176
    7.2091   19.1024
  -11.9937   11.9245
  -14.7576    0.9453


s =

    0.9868  597.0543    0.0000   31.9768

变量解释
数学建模常用算法之Logistic回归,数学建模,算法,数学建模,回归

一元非线性回归

主要是解决回归方程中的参数估计问题,即fitnlm函数的使用

参考资料:传送门

  • 对数形式估计
%% 对数形式
m1 = @(b,x) b(1) + b(2)*log(x);
nonlinfit1 = fitnlm(x,y,m1,[0.01;0.01])
b=nonlinfit1.Coefficients.Estimate;
Y1=b(1,1)+b(2,1)*log(x);
  • 指数形式估计

%% 指数形式拟合
m2 = 'y ~ b1*x^b2';
nonlinfit2 = fitnlm(x,y,m2,[1;1])
b1=nonlinfit2.Coefficients.Estimate(1,1);
b2=nonlinfit2.Coefficients.Estimate(2,1);
Y2=b1*x.^b2;

根据xxx.Coefficients.Estimate得到参数

多元回归

观察是否具有线性关系,使用regress函数

X=[ones(n,1),x1',x2',x3'];
[b, bint, r, rint, s] = regress(Y', X,0.05);

逐步回归

资料:传送门

logistic回归

Logistic回归来做分类问题,我们想要的函数应该是,能接受所有的输入然后预测出类别。例如,在两个类的情况下,上述函数输出0或1。

%% 数据准备
clear all
clc
X0=xlsread('logistic_ex1.xlsx', 'A2:C21'); % 回归数据X值
XE=xlsread('logistic_ex1.xlsx', 'A2:C26'); % 验证与预测数据
Y0=xlsread('logistic_ex1.xlsx', 'D2:D21'); % 回归数据P值
%使用二项分布的模型进行预测
GM = fitglm(X0,Y0,'Distribution','binomial');
Y1=predict(GM,XE);
N1=1:1:size(XE,1);
plot(N1',Y1)

结果

数学建模常用算法之Logistic回归,数学建模,算法,数学建模,回归文章来源地址https://www.toymoban.com/news/detail-535564.html

到了这里,关于数学建模常用算法之Logistic回归的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模常用模型(九) :偏最小二乘回归分析

    偏最小二乘回归(Partial Least Squares Regression,PLS Regression)是一种常用的统计建模方法,用于解决多元线性回归中自变量间高度相关的问题。在偏最小二乘回归中,通过将原始自变量转换为一组新的综合变量(称为主成分或潜在变量),然后再使用这些主成分进行回归分析,从

    2024年02月16日
    浏览(45)
  • 数学建模之回归分析算法(含matlab源代码)

    目录 一、一元线性回归 1、步骤  2、matlab命令(多元线性回归) 3、举例  二、一元非线性回归  三、多项式回归 1、一元多项式回归  应用  2、多元二项式 应用  四、非线性回归  应用 五、 逐步回归  应用    r²和F越大越好 p越小越好      从残差图可以看出,除第二个

    2024年02月09日
    浏览(63)
  • 数学建模学习(2):数学建模各类常用的算法全解析

    常见的评价算法  1.层次分析法 基本思想         是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成 目标层、准则层和方案层 ,并通过人们的 判断对决策方案的 优劣进行排序 ,在此基础上进行定性和定量分析。它把人的思维过程层次化、数量化,

    2024年02月09日
    浏览(48)
  • 数学建模-人口模型Logistic模型与 Malthus模型

    一. 问题 及 重述: 下表是中国人口数据,请根据这些数据建立适当的数学模型对其进行描述,并预测2002、2003、2004年的中国人口数。 给出模型,求解代码及必要的图形,误差分析结果。 重述: 选取合适的模型预测2002,2003、2004年的中国人口数; 建立数学模型、给出求解代码

    2024年02月06日
    浏览(64)
  • 数学建模十大经典算法和常用算法

    1、蒙特卡罗算法: 该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时通过模拟可以来检验自己模型的正确性。 2、数据拟合、参数估计、插值等数据处理算法: 比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于算法,通常使用Matlab作为

    2024年02月07日
    浏览(42)
  • 数学建模常用算法—马尔可夫预测

    今天数模君带大家学习一下数学建模中的预测算法之马尔科夫预测。 目录 模型的含义 实例分析 马尔可夫(Markov)预测法,就是一种关于事件发生的概率预测方法。它是根据事件的目前状况来预测其将来各个时刻(或时期)变动状况的一种预测方法。马尔可夫预测法是地理预测

    2024年02月09日
    浏览(46)
  • 数学建模-32种常用算法汇总

    全国大学生数学建模竞赛(以下简称\\\"数学建模竞赛\\\")是由中国高等教育学会主办,旨在促进大学生对数学和相关学科的学习和研究,培养创新精神和综合素质的全国性大学生学科竞赛活动。该竞赛一般在每年的十月份举办,是目前国内规模最大、影响力最广的大学生学科竞

    2024年02月13日
    浏览(36)
  • 数学建模常用算法—多目标规划

    前面我们已经学习了线性规划及非线性规划,接下来带大家一起学习多目标规划模型。 目录 模型的含义 求解思路 建立目标规划的条件 目标规划的目标函数 目标规划的模型应用 模型的建立 目标规划的一般数学模型 模型示例与求解 多目标规划是数学规划的一个分支。研究多

    2023年04月12日
    浏览(50)
  • 数学建模常用算法—模糊综合评价

    目录 模型的含义 模型的数学概念 模型的建立与求解 matlab代码实现 今天给大家讲解一下国赛中常用到的评价模型,模糊综合评价法。 模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对

    2023年04月12日
    浏览(54)
  • 数学建模的三大模型和十大常用算法

    预测模型 神经网络预测、灰色预测、拟合插值预测(线性回归)、时间序列预测、马尔科夫链预测、微分方程预测、Logistic模型等等。 应用领域:人口预测、水资源污染增长预测、病毒蔓延预测、竞赛获胜概率预测、月收入预测、销量预测、经济发展情况预测等在工业、农业、

    2024年02月04日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包