Beispiel: Logistische Regression
Verwenden Sie die Funktion lgsfit, um die Daten in eine logistische Passung einzupassen.
1. Definieren Sie einen Datensatz.
Diese Daten sind das Ergebnis einer NIST-Studie zur Modellierung der Supraleitfähigkeitsmagnetisierung. Die Antwortvariable ist Magnetismus (Spalte 0) und die Prädiktor-Variable ist der Zeit-Log in Minuten (Spalte 1).
2. Definieren Sie einen Vektor der Schätzwerte.
Es kann schwierig sein, die geeigneten Schätzwerte für eine logistische Regression auszuwählen.
◦ Der erste Wert sollte den geeigneten Achsenschnittpunkt einer durch die Daten verlaufenden Kurve darstellen.
◦ Der zweite Schätzwert sollte kleiner 1 sein, wenn der Mittelpunkt der Daten rechts vom Ursprung liegt, und er sollte größer 1 sein, wenn die Daten links vom Ursprung liegen. Hier wird dieser Schätzwert anhand des Mittelwerts der unabhängigen Variablen geschätzt. In der Regel ist die Zahl zu groß, wenn die unabhängigen Daten ganzzahlig sind. Dies ist hier jedoch nicht der Fall.
◦ Der letzte Schätzwert sollte groß sein, wenn es einen steilen Fall von hohen zu niedrigen Daten (größer als 1) gibt, bzw. klein sein, wenn der Übergang fließender ist (kleiner als 1). Dieser Koeffizient sollte negativ sein, wenn die Daten von links nach rechts kleiner werden, und er sollte positiv sein, wenn die Daten von links nach rechts größer werden. In vielen Situationen kann 1 oder -1 als Schätzwert verwendet werden.
3. Rufen Sie die Funktion lgsfit auf, um die Parameter einer logistischen Passung zu ermitteln.
Die Parameter passen zur folgenden logistischen Gleichung.
4. Stellen Sie die Daten und die logistische Passung dar.
