logistic回归分析LogisticRegression课件

回归分析logisticLogisticRegressionppt课件欢迎来到本次，我们将会介绍回归分析，它在解决分类问题方面PPT logistic具有广泛的应用我们将从简介、原理与方法、模型评估、实现、实Python例分析以及总结展望几方面来深入剖析该模型什么是回归？logistic概念回归是经典的统计学分类方法，主要用于数据分析和机器学习领域它可以将输入logistic值映射到一个概率范围内，实现二分类问题的解决基础回归基于概率论、统计学、最优化理论等学科领域的知识它是广泛使用的分类方logistic法之一，也是深度学习模型中的核心组成之一回归的应用场景logistic医学领域金融领域用于预测病情，分析生物医学数据，例如对癌症或用于制定信用评估模型，进行违约行为预测，评估其他疾病进行分类市场风险和信用危机等等市场领域用于客户反馈情感分析、消费行为分析、市场营销策略制定等等逻辑斯蒂函数函数形式1逻辑斯蒂函数将任何实数映射为区间（上的一个数值0,1函数意义2逻辑斯蒂函数的值域代表了输出预测值为的概率，它可以将线性回归方程转化1函数图像3为可用于建立分类模型的函数最大似然估计概念最大似然估计是一种基于样本的统计推断方法，它通过最大化在已知样本下模型参数的似然函数，来得到模型的估计值原理最大似然估计假设样本之间相互独立，且样本每一项出现的概率已知最大化似然函数的过程等价于寻找与实际数据最相符的参数估计值曲线与值ROC AUC曲线值ROC AUC曲线是根据一系列不同的分类阈值绘制出的，值是曲线下的面积，该值越大，模型的分ROC AUCROC可以评估模型的分类能力曲线下面积越大，表明类能力越强模型分类性能越好数据预处理数据探索1通过，等图形并进行离群值处理和缺失值处理boxplot heatmap特征提取2对特征进行数值化处理，比如编码、分箱、归一化等等数据分析3执行相关统计分析、降维分析等，预处理出可用于模型训练的数据模型训练与预测训练集测试集使用回归算法，将应用文件进行识别，随机的个样本，用来检验分类模型的预测效logistic app1200分为正常和恶意文件两种类型果及准确率app回归实例分析应用于信用评估领logistic域模型名称准确率AUC模型LR

0.

740.79模型GBDT

0.

780.81回归分析总结与展望logistic-总结展望12回归模型可以实现二分类的预测问题，未来，回归模型将以更加自适应化、logistic logistic具有广泛的应用场景通过最大似然估计和多样化的方式应用于各个领域，比如基于深梯度下降等方法，可以对模型进行训练和评度学习的模型等估。