基于二分类Logistic回归模型的太行山丘陵区县域耕地资源潜力估算

耕地红线划定与人-地资源矛盾日益突出背景下,耕地资源潜力的研究与开发日显重要。我国耕地面积近2/3分布在山区,因此山区耕地资源的合理开发利用及其资源潜力的研究尤为重要。本文以华北地区的太行山为研究区域,选择耕地占比和资源潜力最大的丘陵区典型县——河北省井陉县为研究案例,选取13个影响耕地资源潜力的基本生态要素,包括5个地形要素和8个直接气象要素或由气象要素计算得到的间接气象要素,引入二分类Logistic回归分析方法,运用偏最大似然估计向前引入法的拟合方法,筛选提取影响耕地资源潜力的关键生态要素;由模型参数Waldc2统计量分析影响耕地资源潜力的关键生态要素的贡献率排序;由模型参数回归系数β分析耕地资源潜力与生态要素的相关关系;由模型参数发生比率OR分析量化关键生态要素对耕地资源潜力的影响,最终建立Logistic回归模型。基于此模型,在GIS软件中得到井陉县耕地资源潜力分布图,进而估算出县域耕地资源潜力。研究结果表明:13个影响井陉县耕地资源潜力的基本生态要素中8个为关键生态要素;关键生态要素中地形要素配置比气象要素配置更为重要;年平均气温和寒冷指数与耕地资源潜力呈负相关关系,其余生态要素则呈正相关关系;由回归模型估算出井陉县具备垦殖为耕地资源的土地面积为60 400 hm^2,而根据遥感影像解译结果得出的现有耕地资源为45 600 hm^2,由此井陉县尚具有14 800 hm^2的后备耕地资源,相当于现有耕地面积的32.5%,这说明在不考虑垦殖所带来的可能负效应的前提下,井陉县具有较大的后备耕地资源开发潜力,该结论为井陉县后备耕地资源的开发与可持续利用提供了理论依据。

二分类logistic回归建立油井热洗效果预测模型

热洗作为最简单、经济、有效的清蜡、解堵工艺,在我国各油田普遍采用,热洗效果和多因素有关:油井的产液量、动液面、泵挂深度、含水率、地质因素等等,如何对热洗效果进行预测,目前还没有学者在这方面进行理论研究,为此提出引用二分类logistic回归法建立油井热洗预测模型的思路,利用模型进行油井热洗效果的预测,将应用于医学的预测方法引入油田开采工艺中。在鄂尔多斯三叠系长8层的典型低渗稠油M油藏,利用油田已知的热洗数据推导出该油田的预测模型,对该油藏油井热洗效果进行预测,发现该理论能有效指导现场作业。

第五代移动通信技术(5G)产业政策的国际比较研究——基于二分类Logistic回归分析的视角

第五代移动通信技术(5G)是世界新一轮科技革命和产业变革餉重要驱动力量,已成为世界各国抢占国际竞争力优势的先导领域和新制高点。世界各国对支持5G技术的产业政策也各有特色。运用二分类Logistic回归方法,对当前世界上5G技术发展较为先进的中国、美国、英国、韩国等4个国家层面的5G产业政策比较研究。研究结果表明,中美英韩4国的5G产业政策在政策目标的任务导向型、政策执行的中央及地方类别上差异性不显著,在政策工具的供给型、需求型和环境型使用类别上的差异性明显显著,表明4国政府推进5G产业发展的目标非常一致但手段略有差别。对中国而言,现行的5G产业政策存在着重供给、轻需求、轻环境泊问题,尤其在环境型政策工具的使用力度明显不足。据此提出强化安全管理、加大金融支持、构建网络空间共同体等建议。

卫生服务供方可及性对农村居民健康影响的实证分析——基于二分类Logistic回归模型

基于中国家庭追踪调查CFPS2016的数据,运用二分类Logistic回归模型分析卫生服务供方可及性对农村居民健康状况的影响。实证分析结果发现:居民对医生的信任度对农村居民的健康状况有显著的正面影响,信任度越高,健康状况越好;就医机构等级对农村居民的健康状况影响不显著;自付医疗费用对农村居民的健康有显著的负面影响,费用越高,健康状况越不好。此外,性别、年龄、婚姻、教育程度等控制变量对健康状况的影响相对不显著。

二分类Logistic回归分析在税务稽查中的应用

本文简单分析了二分类Logistic回归分析原理,并将它应用于税务稽查中,通过对86家商业企业的财务报表和纳税申报表进行分析,建立回归模型,结论表明该方法能够辅助稽查选案,提高稽查工作的效率和效果。

学习者在线动态学习成绩的Logistic曲线增长规律及其聚类研究

基于信息化教学中的动态学习数据,采用Logistic曲线拟合学习者的综合在线学习成绩随学习时长的增长规律,可将无穷维函数空间转化为有限维的参数空间,并借助于经典的K-Means聚类算法实现学习者的综合在线学习成绩增长规律的聚类。研究结果表明:学习者可被分为主流学习者和非主流学习者两大类别;主流学习者占全部学习者的96.92%,且可被进一步细分为高效学习者、中效学习者、低效学习者,占全部学习者的比例分别为16.41%、61.02%和19.49%;非主流学习者可被分为长期缓增型学习者和短期陡增型学习者,占全部学习者的比例均为1.54%。此外,不同类别学习者之间的期末考试平均成绩存在显著差异,主流学习者中高效学习者、中效学习者和低效学习者的期末考试平均成绩逐渐递减,但均高于非主流学习者的期末考试平均成绩;在非主流学习者中,短期陡增型学习者的期末考试平均成绩高于长期缓增型学习者的期末考试平均成绩。

基于二分类Logistic模型的城市居民住房租购选择研究

本文通过对广州千户住房调查所获得的一手资料,针对目前住房租购现状,在国内外已有文献研究的基础上,确立研究框架并选取相应的自变量,提出研究假设,构建住房租购选择的二分类Logistic模型。模型设置了家庭主要特征、经济成本因素以及住房态度因素3大类共9个测量变量,并对其进行了检验。结果表明:年龄、家庭年收入、房价以及房价租金比是影响居民房屋租购的显著因素,学历、性别、婚姻和住房态度表现不显著。其中,年龄越大和家庭年收入越高,购买住房的倾向较高;房价和房价租金比越高,租房的倾向越高。

基于卷积神经网络提高脑卒中患者二分类运动想象任务识别准确率的可行性研究

目的 本研究旨在探讨基于卷积神经网络(convolutional neural network, CNN)提高二分类运动想象任务识别准确率的可行性。方法 收集2020年9—12月在上海市第二康复医院康复科住院的10例脑卒中患者资料,患者均为右侧上肢瘫痪,年龄为(55.3±11.0)岁,其中女性5例。应用CGX Quick-30的30导联干电极脑电帽采集受试者的脑电信号(EEG),采集的EEG各个电极位置符合10-20国际标准导联系统。运动想象任务为单侧上肢精细运动想象,具体为右手抓握和右肘摆动。针对运动想象任务二分类,提出自适应CNN迁移学习模型,并从多个层面验证该模型在脑卒中患者EEG分类中的准确性及其算法性能。首先,验证基准CNN算法性能(即单一个体模型),即不进行任何迁移,使用同一个体的训练集生成模型,应用测试集得到分类准确率,与使用同样的数据集划分的其他深度学习算法比较。其次,验证自适应CNN迁移模型性能,分类准确率应高于特定受试者的单一个体模型和由其他个体数据形成的预训练模型。模型比较全程应用交叉验证的方法,其中在基准CNN的分类结果分析中,所有的单一个体模型使用10折交叉验证,预训练模型和自适应模型均使用5折交叉验证。结果 在10例脑卒中患者试验数据上进行验证,自适应CNN迁移模型的分类准确率为0.770 4±0.049 3,高于单一个体模型的0.616 8±0.071 5和预训练模型的0.533 6±0.034 2。并且,10例脑卒中患者中,有8例患者分类准确率超过了0.700 0;该8例患者中有4例超过了0.800 0。结论 通过优化网络结构和训练策略,CNN能够显著提高二分类运动想象任务的分类识别准确率,从而为运动想象EEG的处理和分析提供了新思路,也为基于脑机接口的运动康复训练等领域的发展提供了有力支持。

二分Logistic模型在分类预测中的应用分析

利用二分Logistic回归模型解决0-1区间事件发生概率问题,对成都市小型物流企业信息技术采纳与否进行分类预测,共提取出组织能力、渠道能力、研发能力和设备能力4个公共因子,采用自变量强制进入法建立回归模型,最后预测分析显示模型拟合效果比较理想,对企业信息化建设具有一定的指导意义.

二分类变量logistic回归模型下职业农民培育意愿分析

随着中国农业现代化进程的不断推进,职业农民在农业生产和经营过程中必将发挥更大的作用,将更多的农民培育成为职业农民是促进农业持续健康发展的必由之路。二分类变量logistic回归模型下职业农民培育意愿分析可为职业农民的培育提供参考依据。

判别分析、Logistic回归和BP神经网络在二分类问题中的模拟对比

采用随机模拟的方法,模拟出不同的样本量,不同的随机扰动方差,不同的解释变量个数的样本数据,采用判别分析、Logistic回归和BP神经网络三种方法进行判别,计算200次模拟的平均回判率。模拟发现:三种方法的效果都与解释变量呈正相关关系;随机扰动方差对判别分析、Logistic回归有一定影响,误差水平低时,Logistic回归优于判别分析,反之,Logistic回归劣于判别分析,但对BP神经网络无影响;随着样本量增大,Logistic回归与判别分析变化较小,且最终效果趋于一致,但BP神经网络的效果显著提高,超越Logistic回归与判别分析。

基于Logistic回归预测保单理赔发生概率

在商业保险中,保险的理赔发生概率的预测是保险公司十分重要的研究课题,保险理赔发生概率是保险定价的一个重要参考指标,对其评估的准确与否直接关系到保险公司的收益。本文以车险的保险理赔发生概率为研究对象,基于二分类的Logistic回归模型,运用R语言进行建模,实现对保险理赔发生概率进行预测,提供一种简单且有效的保险理赔发生概率的预测方法。

基于Logistic回归模型分析急性类鼻疽脓毒症患者预后不良的危险因素

目的基于Logistic回归模型分析急性类鼻疽脓毒症患者预后不良的危险因素。方法前瞻性选取2020年11月至2021年11月海南医学院第一附属医院收治的急性类鼻疽脓毒症患者109例,均按照标准规程对患者进行抗生素治疗。分析急性类鼻疽脓毒症的临床特征,并根据预后将其分为预后良好组(n=51)和预后不良组(n=58)。比较两组患者一般资料,单因素及多因素Logistic回归模型分析急性类鼻疽脓毒症患者预后不良的危险因素,并根据分析结果构建预后预测模型,绘制受试者工作特征(ROC)曲线,分析该预后预测模型的预测价值。结果畏寒高热、咳嗽咳痰、感染指标升高为急性类鼻疽脓毒症主要临床特征。预后良好组与预后不良组年龄、职业、居住地、体重、饮酒史、长期使用糖皮质激素情况、免疫抑制剂使用情况、合并糖尿病、合并慢性乙型肝炎比较,差异均有统计学意义(P<0.05)。多因素Logistic回归模型显示,年龄、职业、体重、饮酒史、长期使用糖皮质激素情况、免疫抑制剂使用情况、合并糖尿病、合并慢性乙型肝炎结果与急性类鼻疽脓毒症预后不良相关(P<0.05)。根据危险因素构建预后预测模型,并进行ROC曲线分析,结果显示该模型预测急性类鼻疽脓毒症预后不良的ROC曲线下面积为0.850,敏感度为90.00%,特异度为70.00%。结论Logistic回归模型显示,老年、务农、体弱、酗酒、长期使用糖皮质激素和免疫抑制剂、合并糖尿病、合并慢性乙型肝炎是急性类鼻疽脓毒症患者预后不良的主要相关因素,上述指标联合临床特征可为急性类鼻疽脓毒症的早期识别、及时治疗、改善预后提供参考。

以图像二分类项目探究机器学习——高中“新一代人工智能”校本课程设计与反思

本文中“新一代人工智能”校本课程的设计与实施,采用项目化学习的方式,以“图像二分类”项目贯穿整个学期,引导学生通过小组合作展开探究,了解人工智能的发展历史和经典算法,理解并解决生活中机器二分类的问题,探究人类学习与机器学习的异同,以此提高解决问题的创新能力、自主学习能力、思维能力、语言能力和合作能力。

集成Logistic与SVM的二分类算法

对Logistic回归的输出结果通过概率分析划分为四个连续的区间,计算各个区间内训练样本的正确分类频率,由此将Logistic回归与支持向量机对样本的输出结果进行比较,构造了一种集成判别规则的二分类算法。实证分析表明提出的集成算法具有较好的分类效果。

基于二分类Logistic回归模型土壤Cu污染风险预测

土壤重金属来源广泛,其污染风险受到多种因素综合影响,常与影响因素存在非线性关系。Logistic回归法可克服普通线性回归法的应用限制,对土壤污染风险的影响因素识别和污染风险预测中具有良好的应用潜力。以浙江某人类活动强烈影响区域土壤为研究对象,选择坡度、坡向、海拔、人口密度、道路距离、非矿工业加权距离和到矿区距离为自变量,以土壤Cu污染风险分类为因变量,采用二分类Logistic回归模型,识别土壤Cu污染风险影响因素并预测污染风险。结果表明:土壤Cu污染风险受到人口密度、矿点距离、道路距离和非矿工业加权距离的影响显著,但土壤Cu污染风险与人口密度、矿点距离和道路距离均无简单线性关系,密集矿点的叠加作用显著改变了距离对土壤污染风险的影响。区内土壤Cu污染高风险区主要位于铜矿采选及其尾矿库影响区域,中风险区位于破碎带金矿、铁矿区及交通运输影响范围内,低风险区位于低密度人口和高密度人口区域。

互联网时代财经类高校大学生就业意向及影响因素的实证分析——基于多元logistic模型

随着大学生人数日益增多,就业形势愈加严峻,为了更好促进财经类大学生高质量就业,特开展以上海市高校为例的调查研究。从希望就业的地域和就业薪资期望两方面全面了解财经类高校大学生的就业意向。同时,基于多元logistic模型进行回归分析,探讨财经类大学生的性别、父母职业、父母学历、家庭经济状况、就业准备这5个重要因素与就业意向之间的关系,揭示其对就业意向的影响机制,并在此基础上提出具有适用性的措施和建议,致力于提升大学生核心竞争力和就业能力。

两水平两分类数据的logistic回归模型对比研究

目的研究多水平模型在实际运用过程中的方法学问题,为以后此类具有层次性数据的正确分析提供参考。方法用徐州市区六所幼儿园中3-6岁儿童的资料建立二分类两水平logistic回归模型,并将模型所获得的结果与传统的多因素logistic回归模型进行对比研究。结果二分类两水平logistic回归模型与传统的多因素logistic回归模型所筛选变量及假设检验基本一致,但二分类两水平logistic回归模型对个别指标的敏感性更强;对于有层次结构的数据,模型拟合优度显示二分类两水平logistic回归模型优于传统的多因素logistic回归模型,偏差信息判据（DIC）值分别为362.225和370.428。结论本研究将多水平模型应用于分类变量的层次结构数据中,作为此类数据分析的新途径,此方法具有更好的适用性,能够克服传统回归模型在处理具有层次结构数据中的局限性。

饱和负荷预测中的多级聚类分析和改进Logistic模型

针对常用的Logistic负荷预测模型所需历史数据较多且预测结果不够准确的问题,提出了基于多级聚类分析的空间饱和负荷预测方法。首先,采用基于密度的改进K-均值聚类算法,按照变电站的位置分布对预测区域进行网格划分,生成Ι级元胞;接着,将对应于Ι级元胞的建设用地按其功能进行细分,生成Ⅱ级元胞;之后,运用一种改进的Logistic模型求取待预测Ⅱ级元胞的饱和负荷值;最后,将所提方法应用于山东省某市区电网的饱和负荷预测中。仿真结果表明所提方法预测精度较高,且适用于历史数据不够充分的新区。

慢性乙型肝炎核苷类药物治疗依从性影响因素Logistic回归分析

目的:探讨影响慢性乙型肝炎核苷类药物治疗依从性的相关因素及预防措施。方法:回顾性分析190例核苷类药物治疗的慢性乙型肝炎患者的临床资料,比较依从性好与依从性差两组患者相关指标上的差异,进行Logistic回归分析。结果:190例应用核苷类药物治疗的慢性乙型肝炎患者中依从性好130例(68.42%),依从性差60例(31.58%);单因素检验11个研究指标是影响核苷类药物治疗依从性的相关因素(P<0.05);多因素非条件Logistic回归分析影响慢性乙型肝炎核苷类药物治疗依从性的独立因素有:文化程度低(OR=4.032)、缺乏慢性乙型肝炎知识(OR=3.285)、存在核苷类药物不良反应(OR=2.984)、经济收入低(OR=2.562)。结论:慢性乙型肝炎患者进行核苷类药物治疗存在一定程度的依从性差,影响因素复杂,应实施相应措施提高其依从性。