logistische Regression mit mehreren Variablen.<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich bin neu bei JMP und habe zwei Zweifel, wie es gelöst werden kann.
Ich habe eine Xlsx-Datei mit Variablen darin angetreten. Ich suche nach diesen zwei einfachen Fragen.
Ich benutze die anderen Variablen, um "Leidenschaft" vorherzusagen. Die Passion müsste zuerst in Hoch / Tief zusammengefasst werden, und dann können wir logistische Regression oder Entscheidungsbäume verwenden.
Ich weiß nicht, wie ich die Spalte in 0 und 1 klassifizieren und mehrere Variablen für die logistische Regression verwenden kann. Ich bekomme eine grafische Darstellung.
2 Führen Sie eine Segmentierung der Zustände anhand aller Variablen durch ... Dies schafft letztlich Gruppen von Staaten durch ähnliche "Golfiness". Dafür müssen wir die Clusteranalyse verwenden.
Bitte helfen
Vielen Dank
Re: Logistische Regression mit mehreren Variablen.Ich habe Ihre Daten auf der Logistikplattform ausprobiert und dabei mit verschiedenen Strategien enttäuschende Ergebnisse erhalten, um Ihre Daten in Hoch, Mittel und Niedrig Passion zu unterteilen. Auf der Neural Network-Plattform habe ich jedoch einige sehr interessante Ergebnisse erhalten! Möglicherweise möchten Sie mit den verschiedenen Parametern herumspielen, bis Sie ein vernünftiges Modell erhalten. Ich benutze gerne 3 und 2 in der ersten und zweiten Schicht sowohl bei den TanH- als auch bei den linearen Aktivierungsarten. Ich habe gute Modelle mit ähnlichen R-Quadrat-Werten für die Trainings- und Validierungssätze erhalten.
Re: Logistische Regression mit mehreren Variablen.Die mehrfache logistische Regression wird mithilfe von Fit Model durchgeführt. Die Y-Variable muss entweder den nominalen oder den ordinalen Modellierungstyp haben, abhängig davon, ob Sie eine logistische Regression mit nominalem oder ordinalem Wert wünschen. Für die Daten, die Sie zur Verfügung stellen, umfasst passion 18 verschiedene Stufen oder Kategorien, von denen viele nur eine Beobachtung enthalten. Die Datenlage ist bei so vielen Ebenen zu spärlich, um ein gutes logistisches Regressionsmodell zu entwickeln. Wenn Sie die Daten in weniger Kategorien zusammenfassen möchten, wird dies sicherlich den Modellierungsaufwand verbessern. Sie müssen festlegen, wie Sie in für Sie sinnvolle Kategorien zusammenfallen.
JMP kann auch eine Clusteranalyse durchführen und ist leicht über das Menü Analysieren> Multivariate Methoden verfügbar. Auch hier gibt es mehrere Optionen, aus denen Sie auswählen müssen, deren Beschreibung hier zu lang ist.
