Пример. Логистическая регрессия
Используйте функцию lgsfit, чтобы подогнать данные к логистическому приближению.
1. Задайте набор данных.
Эти данные являются результатом исследования NIST (Национальный институт стандартов и технологий, США) с применением моделирования сверхпроводящего намагничивания. Переменной отклика является магнитное поле (столбец 0), а переменной прогноза — логарифм времени в минутах (столбец 1).
2. Задайте вектор начальных приближений.
Выбрать подходящие начальные приближения для логистической регрессии может быть довольно затруднительно.
◦ Первым значением должен быть приблизительный отрезок кривой, проходящей через данные.
◦ Второе начальное приближение должно быть меньше 1, если центр данных находится справа от начала координат, или больше 1, если центр данных находится слева от начала координат. Здесь начальное приближение оценивается через нахождение среднего для независимой переменной. Как правило, это число слишком велико, если значение независимых данных является целым числом, но не в рассматриваемом случае.
◦ Последнее начальное приближение должно быть большим, если существует резкий переход от высоких данных к низким данным (больше 1), или маленьким, если переход более плавный (меньше 1). Кроме того, этот коэффициент должен быть отрицательным, если значения данных убывают слева направо, и положительным, если значения данных возрастают слева направо. Во многих случаях в качестве начальных приближений можно использовать значения 1 или -1.
3. Вызовите функцию lgsfit, чтобы найти параметры логистического приближения.
Параметры соответствуют следующим логистическим уравнениям:
4. Распечатайте данные и логистическое приближение.
