基于Logistic回归判别法对大学生挂科的预测

随着大学生考试挂科现象日益凸显,如何防预大学生挂科已成为高校教育面临的热点问题.文章将Logistic回归分析与判别分析相结合,对大学生挂科的预测问题进行研究.具体实例表明,运用Logistic回归判别法能很好地对大学生考试是否挂科进行预测,从而有利于学校及学生自身采取相应的措施来防止挂科的发生.

基于连续比例Logistic回归模型的贝叶斯判别分析

针对传统贝叶斯判别分析方法处理实际问题的局限性,提出一种基于连续比例Logistic回归模型的贝叶斯判别分析方法.首先基于连续比例Logistic回归模型建立半参数密度比模型,通过经验似然法估计模型的参数,并使用贝叶斯定理计算后验概率进行分类预测.然后对比新方法与传统方法的回判正确率,统计模拟表明当总体数据符合正态分布时,2者判别能力相当,否则,提出的新方法能够更好地判别不同的数据特征.最后运用新方法分析真实的数据集,验证了新方法在分类预测中的准确性和稳健性,与传统方法相比,更适用于实际应用中多元分类问题的建模和预测.

基于多元有序logistic回归分析法的汽车定价策略

为增强汽车A级细分市场产品的价格竞争力以提高消费者购买意愿,从微观角度探究消费者对A级细分市场的汽车特征装备的感知价值,进而构建基于消费者价值感知理论的汽车定价策略模型。首先,通过200份调研问卷收集消费者对A级细分市场的汽车特征装备的感知价值数据;其次,基于多元有序Logistic回归分析法,验证了特征装备对汽车感知价值有正向影响,并基于参数估计构建了基于价值感知理论的汽车定价模型;最后,选取某品牌A级细分市场中的SUV车型作为本品研究对象,选取价格和轴距尺寸与本品相近的某品牌A级SUV车型作为竞品进行对比分析。结果表明:根据该定价模型推导出的本品在价格竞争力上显著高于竞品,其中基础版车型的价格竞争力高11.52%,豪华版车型的价格竞争力高13.75%,证明该定价模型在工程实践中的应用潜力和价值。

Logistic回归在判别分析中的新用法

在非线性回归模型中,当响应变量为分类变量尤其是二分类变量时所采用的Logistic回归模型是一个很有应用前景的模型。它可以克服线性回归的一些缺点,提高判别分析的效率。通过分析Logistic回归应用于判别分析的特点提出采用二次判别法来提高判别效率,最后通过实际案例验证了所提做法的有效性。

基于logistic回归和决策树法预测肿瘤合并胆管占位患者ERCP术后并发胰腺炎的研究

目的基于logistic回归和决策树法,研究肿瘤合并胆管占位患者在内镜下逆行胰胆管造影术(ERCP)术后并发胰腺炎的影响因素。方法选择2020年3月至2023年3月河南省肿瘤医院收治的149例下段胆管癌合并胆管占位患者,均接受ERCP术治疗。入院后,收集患者的临床资料,根据患者术后是否并发胰腺炎,将其分为发生组与未发生组,并对比两组患者的临床资料。分别采用logistic回归和决策树法分析患者ERCP术后并发胰腺炎的影响因素,采用受试者工作特征(ROC)曲线分析logistic回归分析与决策树模型分析的结果。结果149例患者术后共有29例(19.46%)并发胰腺炎,据此将其分为发生组(n=29)与未发生组(n=120)。两组患者的性别、年龄、体重指数(BMI)、高血压、糖尿病、吸烟、饮酒、总胆固醇(TC)、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、空腹血糖(FPG)、淀粉酶(AMY)等一般资料相比,差异无统计学意义(P>0.05);发生组患者的急性生理学与慢性健康状态评分系统Ⅱ评分、胰腺炎病史、胰腺显影、存在插管困难与未发生组相比,差异有统计学意义(P<0.05)。logistic多因素回归分析结果显示,胰腺炎病史、胰腺显影、存在插管困难是ERCP术后并发胰腺炎的危险因素(P<0.05)。决策树模型结果显示,胰腺炎病史、胰腺显影、存在插管困难均是影响ERCP术后并发胰腺炎的危险因素。logistic回归和决策树模型的分类准确率分别为85.37%和90.72%,准确度均较好。ROC曲线结果显示,logistic回归的曲线下面积为0.798,决策树模型的曲线下面积为0.843(P<0.05)。结论临床针对存在胰腺炎病史、胰腺显影、插管困难的下段胆管癌合并胆管占位患者,可给予有效治疗及干预;将logistic回归和决策树法联合应用可从不同层面发现下段胆管癌合并胆管占位患者在ERCP术后并发胰腺炎的影响因素,从而加强早期评估与识别,以进一步降低ERCP术后并发急性胰腺炎的风险。

Logistic回归模型和判别分析方法的比较分析

Logistic回归模型和判别分析方法都可以达到对样本分类的目的,比较和分析这2种方法的差异以及其各自的特点,可以为更好的应用提供参考。从类别表现、样本情况、归类函数、归类原则、预测功效等5个方面对Logistic回归模型中的基线-类别Logit模型和判别分析方法中具有代表性的Bayes后验概率判别、Fisher判别的基本思想和步骤进行比较,并通过"鸢尾花"样本数据的品种判别对这3种方法进行了实证分析。Logistic回归建立了总体各因子与总体类别的回归模型,在因子与类别之间形成了解释与被解释的关系;通过对回归系数的检验,可以探究各因子对总体类别的影响程度;为了取得更好的预测效果,在各种模型中,应尽量增大训练样本的容量。

Logistic模型的推导及自回归方法

基于文献［１］的增长类型的微分方程式，对实用的逻辑斯谛（ｌｏｇｉｓｔｉｃ）模型进行了简单推导，得出了预测油气田产量、累积产量、可采储量、最高年产量及其发生时间的方法，并得出该模型的有效应用范围为，是在采出可采储量５０％之后的递减阶段。同时，还提出了求解逻辑斯谛模型的自回归法。

亚健康失眠阴虚火旺型的logistic回归及判别分析

目的:采用logistic回归及判别分析来归纳亚健康性失眠阴虚火旺型症状要点。方法:将通过中医证候调查问卷收集413例亚健康失眠患者,对证属阴虚火旺型197例亚健康失眠患者的临床症状,分别进行多元logistic回归及判别分析,结果:logistic回归提取的症状为:心烦懊恼、目赤、口苦、口干咽燥、耳鸣、盗汗、面色少华、神疲体倦、腰膝酸软和小便黄。并建立中医证型预测模型,且预测模型的一致率为81.84%,即理论判别与实际资料的总吻合率为81.84%。入选判别函数的症状则为:五心烦热、耳鸣、小便黄、目赤、盗汗、口干咽燥、大便结、神疲体倦、心烦懊恼、面色少华、口苦及心悸。回代法计算的判别一致率为81.1%。结论:阴虚火旺型的症状主要包括:目赤、口苦、心烦懊恼、耳鸣、口干咽燥、盗汗。利用logistic回归和判别分析归纳本证具有较高的吻和性,可提高亚健康失眠阴虚火旺型中医诊断的客观性和准确性。

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。

慢性乙型肝炎肝郁脾虚证的logistic回归及判别分析

目的归纳慢性乙型肝炎肝郁脾虚证的辨证要点。方法对慢性乙型肝炎肝郁脾虚证、肝郁证、脾虚证的症状及舌、脉进行logistic回归及判别分析。结果肝郁脾虚证logistic回归提取的症状为腹胀、倦怠乏力、腹痛、食欲不振、紧脉、便溏、胁肋疼痛、胁肋不适;判别方程包含的症状则为腹痛、腹胀、倦怠乏力、便溏、黄苔。结论肝郁脾虚证的辨证要点包括胁肋疼痛或不适、腹胀、腹痛、乏力、食欲不振、便溏。利用logistic回归和判别分析归纳本证诊断要点是可行的。

Logistic回归的非平衡数据问题及其解决方法

文章使用典型仿真数据引出Logistic回归的非平衡数据问题;基于重构训练集思想,提出在不改变Logistic基本求解算法下的"小类配平"和"大类配平"解决方法,实验验证这两种解决方法的有效性,论述这两类方法的优缺点;理论分析Logistic回归的非平衡数据问题存在的原因及"小类配平"和"大类配平"法的合理性。

主成分logistic回归与最大似然法在卵巢囊肿早期鉴别诊断上的联合应用及其软件开发

目的联合应用主成分logistic回归与最大似然法对卵巢囊肿进行早期鉴别诊断,并实施相应程序开发,以提高疾病鉴别诊断的效率和准确性。方法分别利用两种方法建立卵巢囊肿早期鉴别的判别函数,并从真实性和可靠性两方面评价两种方法的判别效果;根据卵巢囊肿的疾病性质和临床诊治情况,选用串联形式完善诊断方法;利用Del-phi7.0进行软件开发程序。结果真实性结果显示两种方法的回顾性和前瞻性判别符合率均大于80%,相应ROC曲线下的面积均在0.7～0.9之间,差别无统计学意义;可靠性结果显示两种方法的一致性检验的Kappa值均大于0.5,说明两种方法的结果具有较好的一致性;前瞻性诊断的灵敏度为0.667,特异度为0.978。结论两种方法的判别准确度中等,具有应用价值,能实现卵巢囊肿的早期鉴别诊断;串联形式的联合诊断提高了诊断的特异度;开发的软件易于操作,提高了鉴别的效率,可以用于门诊的辅助诊断。

矿井涌水水源识别的Logistic回归分析方法研究

为了快速有效地判断识别文家坡煤矿涌水水源,利用Piper三线图和Logistic回归分析相结合的方法,在对所采集的水样水化学分析的基础上,构建了基于Logistic回归的矿井涌水水源判别模型。结果表明:通过Piper三线图能够得到待判水样的水化学特征与白垩系洛河组砂岩水和侏罗系延安组顶板砂岩水比较相似,Logistic回归模型能够排除干扰因素、准确识别待判水样1为侏罗系延安组顶板砂岩水,待判水样2为白垩系洛河组砂岩水,将两种方法相结合能够准确地识别矿井涌水水源。

logistic回归参数遗传算法估计的可行性研究

目的考察遗传算法作为logistic回归模型参数估计方法的效能,并与极大似然估计法比较。方法通过数据模拟建立三种模型,分别用遗传算法和极大似然法作参数估计,考察建立模型的分类效能。结果一般情况下,极大似然估计法的分类效能稍高于遗传算法。在样本量较小或自变量关系复杂的情况下,极大似然估计法和遗传算法的泛化误差增加。极大似然估计法的泛化误差主要源于在验证集中分类效能下降,而遗传算法的泛化误差主要源于训练集中的过拟合。当样本量小且自变量关系复杂的情况下,极大似然估计法出现迭代不收敛,参数失拟合,遗传算法无此现象。结论遗传算法适用于自变量多而样本量相对小时logistic回归模型参数估计。

双界点OR值最大法logistic回归在中小学生登革热知识提高影响因素研究中的应用

目的探讨双界点OR值最大法logistic回归在中小学生登革热知识提高幅度的影响因素研究中的应用。方法基于多阶段分层整群随机抽样的广州市中小学生登革热相关知识传播效果的干预研究的调查数据,建立中小学生登革热知识提高幅度影响因素的双界点OR值最大法logistic回归模型,与采用连续型变量法、中位数法、单界点P值最小法的logistic回归模型比较模型拟合效果,探讨双界点OR值最大法logistic回归的优势。结果纳入干预效果评估的共1311人,三年级299名,五年级331名,初二321名,高二360名。以高二数据为例,双界点OR值最大法logistic回归纳入的自变量为知识基线得分、干预方式、登革热病例数;其模型的拟合效果最好,且对于自变量分界点的划分更合理,能够更好地筛选出与结局有关联的影响因素。结论双界点OR值最大法logistic回归适用于中小学生登革热知识提高幅度影响因素的研究。中小学生的登革热知识的干预效果受多个因素的影响,应开展有针对性的健康教育。

Logistic回归和Fisher判别分析模型在冠心病鉴别诊断中的临床价值

目的探讨基于常规实验室检查建立的Logistic回归和Fisher线性判别分析模型在冠状动脉粥样硬化性心脏病鉴别诊断中的临床应用价值。方法选取昆明医科大学第一附属医院2018年3月至2019年2月以胸闷、胸痛为主诉就诊的178例患者为研究对象,根据冠状动脉造影结果分为冠心病组和非冠心病组,回顾性分析患者的常规实验室指标,建立诊断冠心病的Logistic回归和Fisher判别分析模型,并验证模型诊断和预测的准确率,进一步评价其在临床应用中的实际意义。结果建立的Logistic回归方程为:Logit(P)=-24.641+0.105×年龄+1.520×糖尿病+0.286×BMI+1.209×LDL-C+0.614×PDW+4.131×(Mono/HDL-C);建立的Fisher分类判别分析函数为:1(冠心病)=-69.314+0.629×年龄+2.378×BMI+1.985×PDW+5.123×LDL-C+0.304×Ln(TG)+1.972×Ln(HDL-C),2(非冠心病)=-52.184+0.527×年龄+2.164×BMI+1.660×PDW+4.104×LDL-C-0.149×Ln(TG)+3.818×Ln(HDL-C)。Logistic回归模型对冠心病和非冠心病的诊断准确率分别为93.0%和84.0%,预测准确率分别为91.4%和70.0%;回顾法、留一法交叉验证及外部数据验证法检验Fisher判别函数的判别正确率分别为82.0%、81.5%和81.3%。结论Logistic回归和Fisher线性判别分析模型在冠心病鉴别诊断中均具有较好的鉴别和预测价值。

旋转拔伸手法治疗神经根型颈椎病的疗效与颈椎X线的logistic回归分析研究

目的研究影响旋转拔伸手法治疗神经根型颈椎病(CSR)疗效的X线片因素。方法经1个疗程的旋转拔伸法治疗后,采用疗效积分法对结果进行评估,以临床疗效为因变量,治疗前颈椎X线片的椎体角、颈椎曲度、椎体水平位移、患侧椎间孔横径和纵径为自变量进行Logistic回归分析。结果颈椎曲度优势比OR=6.71>1,P=0.02<0.05,回归系数为1.90>0,椎间孔横径优势比OR=12.97>1,P=0.03<0.05,回归系数为2.56>0,而椎体角、椎体水平位移和患侧椎间孔纵径与疗效无显著相关性(P>0.05)。结论颈椎曲度和患侧椎间孔横径是影响旋转拔伸法临床疗效的重要因素,且二者均与疗效呈正相关。

logistic回归模型与Fisher判别在围术期并发症高危因素筛选中的应用

详细说明了logistic回归模型与Fisher判别在分析并发症产生的影响因素、预测并发症发生的高危人群中的应用,便于科学地指导术前和术后预见性护理工作。

Logistic回归分析的判别预测功能及其应用

目的:介绍Logistic回归模型在判别分析中的应用。方法:结合实例介绍Logistic回归的判别功能的思想、原理、条件和步骤及其在医学领域的应用前景。结果:Logistic回归应用于判别分析时,显示出了较高的准确性和较好的预测效果。结论:Lo-gistic回归在定性和半定量资料的判别和预测方面有一定的优势,结合计算机网络技术的发展在医学领域有较好的应用前景。

基于判别分析与Logistic回归组合模型的蠓虫分类方法

蠓虫分类问题究其本质是一个典型的数据二分类问题。在传统上采用判别分析或Logistic回归的方式进行分类判别时,往往因为其算法本身的局限性而出现误判且无法避免。本文在前人的研究基础上提出了判别分析修正下的Logistic回归方法和Logistic修正下的判别分析方法解决蠓虫分类问题。在通过误判率的比较和对异常数据的感知等前提下,为蠓虫避害提供一种较为可靠的筛选方式。