여러 변수 로지스틱 회귀.<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />나는 JMP에 익숙하지 않고 그것을 해결하는 방법에 대해 두 가지 의문을 가지고있다.
xlsx 파일에 변수가 포함되어 있습니다. 나는이 두 가지 간단한 질문을 찾고있다.
1은 "열정"을 예측하기 위해 다른 변수를 사용합니다. 열정은 고 / 저 우선으로 합쳐져서 로지스틱 회귀 또는 의사 결정 나무를 사용할 수 있어야합니다.
열을 0과 1로 분류하는 방법과 로지스틱 회귀에 여러 변수를 사용하는 방법을 알지 못합니다. 막대 그래프와 같은 음모가 나옵니다.
2 모든 변수를 기반으로 한 상태를 세분화합니다. 이것은 유사한 "golfiness"에 의해 국가의 그룹을 만드는 것을 끝낸다. 이를 위해서는 클러스터 분석을 사용해야합니다.
도와주세요.
감사
재 : 다중 변수 로지스틱 회귀.Logistic 플랫폼에서 귀하의 데이터를 시험해 보았습니다. 귀하의 데이터를 High, Medium, Ad Low Passion으로 나누기위한 몇 가지 전략을 사용하여 실망스러운 결과를 얻었습니다. 그러나, 신경 네트워크 플랫폼에서, 나는 매우 흥미로운 결과를 얻었습니다! 합리적인 모델을 얻을 때까지 다양한 매개 변수로 놀고 싶어 할 수 있습니다. TanH 및 선형 활성화 유형의 첫 번째 및 두 번째 레이어에서 각각 3과 2를 사용하고 싶습니다. 나는 훈련과 검증 세트에 대해 비슷한 r- 제곱 값을 가진 좋은 모델을 얻었다.
재 : 다중 변수 로지스틱 회귀.Fit Model을 사용하여 다중 로지스틱 회귀를 수행 할 수 있습니다. Y 변수는 공칭 또는 순서 로지스틱 회귀를 원하는지 여부에 따라 공칭 또는 서수 모델링 유형 중 하나를 가져야합니다. 제공하는 데이터의 경우 열정에는 18 가지의 다양한 레벨 또는 카테고리가 있으며 그 중 많은 것들이 단지 1 번만 관찰됩니다. 좋은 로지스틱 회귀 모델을 개발하기에는 너무 많은 데이터가 너무 많습니다. 데이터를 더 적은 수의 범주로 축소하려는 경우 모델링 작업을 확실히 향상시킬 수 있습니다. 의미있는 범주로 축소하는 방법을 결정해야합니다.
JMP는 또한 클러스터 분석을 수행 할 수 있으며 Analyze> Multivariate Methods 메뉴에서 쉽게 사용할 수 있습니다. 다시 말하지만, 여기에 설명하기에는 너무 길게 선택할 수있는 몇 가지 옵션이 있습니다.
