判别分析与Logistic回归的模拟比较

利用随机模拟方法,研究判别分析和Logistic回归分类的回判正确率。模拟结果显示,Logistic回归的回判正确率优于判别分析。随着随机误差的增大,Logistic回归与判别分析的回判正确率差异逐渐减小。随机误差超过一定界限,Logistic回归的回判正确率低于判别分析。在随机模拟的基础上,引入修正Logistic回归分类,模拟结果显示,修正Logistic回归分类略优于Logistic回归。

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Fisher判别法岩溶塌陷倾向性等级分类预测

为准确预测岩溶塌陷倾向性的等级分类,通过分析大量观测实例,选取岩性系数、岩体结构系数、地下水系数、覆盖层系数、地形地貌系数和环境条件系数作为模型判别因素。对12个实际观测样本进行训练,建立了基于Fisher判别分析法(FDA)的岩溶塌陷倾向性等级分类预测模型。借助SPSS软件工具,得到判别模型的4个判别函数。根据判别函数对训练样本进行回判,并对2个待判样本进行预测。结果显示:第一、第二判别函数的综合判别效率达到100%,大于规定的85%,满足工程实际应用需求;对训练样本进行回判时,误判率为零,同时对待判样本的分类预测准确率为100%。

金翅夜蛾亚科的判别分析

对金翅夜蛾亚科的2种分类情况分别以多种变量作为分类自变量,用判别分析法建立了几个回判正确率高的判别函数,并对其进行了讨论和比较。

煤与瓦斯突出的机理及距离判别分析法

通过分析煤和瓦斯突出机理,运用距离判别分析法来建立煤与瓦斯突出预测的距离判别分析模型,以淮南淮北典型突出矿井的煤和瓦斯突出为例,建立判别函数,经过模型回判估计后的误差率为零。

线性判别模型在医学诊断上的应用

在认定样品血样的指标满足正态性和方差齐性条件下,对癌患者组与对照组观测值通过逐步判别分析筛选出鉴别能力较强的少数几个指标,并用分类判别分析建立线性判别模型,可以根据某人已经测量的血样数据,来诊断是否得了某种疾病。

准噶尔盆地气测多元线性回归解释方法研究

应用多元线性回归分析方法,以准噶尔盆地2008年底之前所钻探井试油井段的气测录井资料为分析样本数据,结合试油结论对比,运用SPSS统计分析软件进行多元线性回归,分别建立了标准油层、油水同层、水层(含油水层、含气水层)及干层(含油层、含气层)的多元线性回归模型。模型的检验分析反映其显著性明显,样本数据回判分析表明油层和干层的正判率较高,水层和油水同层的正判率较低。利用该方法对2009-2011年新钻探井部分试油井段进行解释评价,总体解释评价符合率为85%。

判别分析与Logistic回归组合分类

本文讨论判别分析与Logistic回归组合方法的二分类问题.模拟结果显示,基于判别分析的Logistic回归的第一组合法的回判正确率往往高于判别分析分类和Logistic回归分类.第二组合法是基于Logistic回归的判别分析分类,回判正确率接近于Logistic回归的分类结果.很多情况下,这两种方法的回判正确率都高于判别分析。

基于Benford律的Logistic模型及其在财务舞弊识别中的应用

Benford律能有效评估财务数据质量,Logistic模型识别舞弊公司准确率较高,两种方法已广泛应用到舞弊审计中。现提出将Benford律与Logistic模型相结合的一种舞弊识别新方法。利用Benford律筛选数据质量低的财务指标,构造标记潜在财务舞弊样本点的Benford因子,建立包含Benford因子的Logistic模型。利用中国上市公司财务数据模拟研究显示,相比于普通Logistic模型,包含Benford因子的Logistic模型往往具有更高的正确率。对于财务舞弊样本点,新模型的正确率也高于普通Logistic模型。

基于SAEM算法对缺失协变量的Logistic模型参数估计

给出了Logistic模型中对缺失协变量数据的一种估计方法。将Marc Lavielle等人提出的SAEM算法进行了改进,引入Samiran Sinha等人提出的一种基于不可忽视机制基础上的NI-机制,以此来尽可能的利用数据中已存在的信息,并将其与现有处理缺失协变量较好的MCAR缺失机制下的半参数方法做对比研究。对Logistic模型的参数分别进行估计,对比分析这两种方法在不同缺失率下的优劣,并对最终结果进行回判,将回判准确率与标准误差作为判别标准。结果表明,当缺失率较小时,两者对缺失数据的处理性能都很好;但当缺失率较高时,半参数方法对数据的处理性能要优于SAEM算法。SAEM算法的运行速度始终快于半参数方法,缺失率较小时,用提出的SAEM算法做线上估计比半参数方法更具有优势。

一种新模糊模式识别方法的构建及在储层评价预测中的应用

在深入剖析了模糊模式识别对个体识别原理的基础上,结合某气田的储层分类评价预测实际问题,文章提出了一种构造自适应多维非线性隶属函数的方法。该方法通过自适应地、逐步地提高模式回判正确率,可将模式训练到最佳状态。结合训练得到的模型和最大隶属度原则很好地解决了某气田的储层分类评价预测问题,并做出了相关的预测平面图,为气田的进一步开发提供了决策参考。