多重変数ロジスティック回帰<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />私はJMPに不慣れであり、それを解決する方法について2つの疑問を抱いています。
変数を含むxlsxファイルを調べました。私はこれら二つの簡単な質問を探しています。
1他の変数を使って「情熱」を予測します。情熱は最初に高値/安値に言って集約される必要があるでしょう、それから我々はロジスティック回帰または決定木を使うことができます。
列を0と1に分類する方法やロジスティック回帰に複数の変数を使用する方法はわかりません。棒グラフのようなプロットを得ています。
2すべての変数に基づいて状態のセグメンテーションを行います。これは結局同様の「ゴルネス」によって状態のグループを作成することになります。これには、クラスター分析を使用する必要があります。
助けてください。
ありがとう
再：多変数ロジスティック回帰。Logisticプラットフォームでデータを試してみたところ、データを高、中、低の情熱に分割するためのいくつかの戦略を使用して期待外れの結果が得られました。 しかし、ニューラルネットワークプラットフォームでは、非常に興味深い結果が得られました。合理的なモデルになるまで、さまざまなパラメータを試してみることをお勧めします。 TanHとLinear Activation Typeの両方で、1番目と2番目のレイヤーにそれぞれ3と2を使用するのが好きです。 トレーニングセットと検証セットのために、同様のr二乗値を持つ良いモデルを得ました。
再：多変数ロジスティック回帰。多重ロジスティック回帰は、Fit Modelを使用して実行されます。Y変数は、名義型または序数型のロジスティック回帰が必要かどうかに応じて、名義型または序数型のどちらかのモデリングタイプを持つ必要があります。あなたが提供するデータに関して、情熱は18の異なるレベルまたはカテゴリーを持ち、その多くはたった一つの観察です。データはこのように多くのレベルでまばらすぎて、良好なロジスティック回帰モデルを作成することができません。データを少数のカテゴリにまとめたい場合は、モデリングの取り組みが確実に向上します。あなたはあなたにとって意味のあるカテゴリにどのように崩壊するかを決定する必要があります。
JMPはクラスター分析も実行でき、[Analyze]> [Multivariate Methods]メニューから簡単に利用できます。繰り返しますが、ここで説明するには長すぎるものを選択する必要があるオプションがいくつかあります。
