régression logistique à variables multiples.<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Je suis nouveau chez JMP et j'ai deux doutes sur la façon de le résoudre.
J'ai attaché un fichier xlsx avec des variables. Je cherche ces deux questions simples.
J'utilise les autres variables pour prédire la "passion". La passion devrait d'abord être agrégée, par exemple en haut / bas, puis nous pouvons utiliser des arbres de régression logistique ou de décision.
Je ne sais pas comment classer la colonne en 0 et 1 et comment utiliser plusieurs variables pour la régression logistique. Je reçois une sorte de graphique à barres.
2 faire une segmentation des états basée sur toutes les variables ... cela finit par créer des groupes d'états par des "erreurs de couleur" similaires. Pour cela, nous devons utiliser l'analyse par grappes.
S'il vous plaît aider.
Merci
Re: régression logistique à variables multiples.J'ai essayé vos données sur la plate-forme logistique et obtenu des résultats décevants en utilisant plusieurs stratégies pour diviser vos données en deux catégories: Haute, Moyenne et Basse Passion. Cependant, sur la plate-forme Neural Network, j'ai obtenu des résultats très intéressants! Vous voudrez peut-être jouer avec les différents paramètres jusqu'à obtenir un modèle raisonnable. J'aime utiliser 3 et 2, respectivement, dans les première et deuxième couches des types d'activation TanH et linéaire. J'ai de bons modèles avec des valeurs de r-carré similaires pour les ensembles de formation et de validation.
Re: régression logistique à variables multiples.La régression logistique multiple est réalisée à l'aide de Fit Model. La variable Y devra avoir le type de modélisation nominal ou ordinal, selon que vous souhaitiez une régression logistique nominale ou ordinale. Pour les données que vous fournissez, passion comporte 18 niveaux ou catégories différents, dont beaucoup avec une seule observation. Les données sont trop rares avec autant de niveaux pour développer un bon modèle de régression logistique. Si vous souhaitez réduire les données en moins de catégories, cela améliorera certainement les efforts de modélisation. Vous devez déterminer comment réduire les catégories qui ont du sens pour vous.
JMP peut également effectuer une analyse de cluster et est facilement accessible à partir du menu Analyser> Méthodes multivariées. Encore une fois, vous devez choisir parmi plusieurs options qu’il serait trop long de décrire ici.
