logitboost及其在判别分析中的应用

目的介绍一种基于机器学习的分类方法-logitBoost在判别分析中的应用。方法结合实例和模拟数据介绍了logitBoost的思想,原理,方法和步骤,就模型的拟合效果与Fisher线性判别、二次判别、logistic回归判别进行了比较,并探讨了“logitBoost判别”的优势及其在医学领域中的应用前景等问题。结果与传统方法相比,logitBoost判别在实例以及模拟数据的应用中,均显现出较好的或相似的模型预测效果。结论当传统的判别分析条件得不到满足,或判别效果不佳时,logitBoost能够达到良好的预测效果,在医学领域的判别分析中有较好的应用前景。