境界方程式、ラ相境界やあ。
2 要素検定の結果の「合格」と「不合格」の間に線形境界があるように見える各セットのデータがあります。 結果の 2 つの母集団間の境界方程式を計算する方法はありますか?
アドバイスありがとうございます。 データセットの例が添付されています。
Re: 境界方程式、相境界モデルの解釈と活用に役立つロジスティック モデルの視覚化があります。 サンプル データ フォルダーにある Big Class データ セットを使用して、モデルの Logit( 性別 ) F( 身長、体重) に適合させました。 以下に 2 つのプロットを示します。
身長と体重の値を (ほぼ) ゼロの出力を達成するように設定します。 結果の確率は基本的にどちらの方法でも 0.5 であることがわかります。
Re: 境界方程式、相境界それは正しいです。 Lin[Fail] は、あてはめたモデルからの線形予測子を格納します。 ロジットを表します。 ロジットがゼロの場合、オッズは 1 であるため、失敗する確率と失敗しない確率は等しくなります。
Re: 境界方程式、相境界皆さん、ありがとうございました！ ロジスティック回帰ソリューションに基づいて構築すると、Lin[不合格] 関数が [不合格] カテゴリに対して正であり、[合格] カテゴリに対して負であることに気付きました。 したがって、予測された [合格] カテゴリと [不合格] カテゴリの間の境界で Lin[不合格] がゼロであることを示唆するのは直感的です。 Lin[Fail] の式はモデルからの出力であるため、この式で Lin[Fail] をゼロに等しくすると、求めている境界方程式が得られます。
Re: 境界方程式、相境界別の一般的な分類方法は、二項ロジスティック回帰. このようなデータ分析の結果は次のとおりです。
応答はロジット ( Result ) 対線形予測子 (線形結合) であるため、判別関数よりも解釈の方がおそらくよく知られています。
についての章を参照してください。公称ロジスティックのプラットフォームヘルプ>>本>>線形モデルの適合.
再帰的パーティショニングも分類を提供しますが、この場合は強い線形関係があるため、非常に多くの分割が必要になります。 このような巨大なツリーは、解釈がより困難になります。
Re: 境界方程式、相境界この例は分類の場合です。 この目標には多くのテクニックがあります。 特に、「境界」の必要性を満たす可能性のあるものは、線形判別関数. データに適用された結果は次のとおりです。
この分類は、16 分の 1 の誤分類でバイナリ応答に非常に適しています。
選択する分析する>>多変量法>>判別式. を選択予測因子そしてクリックY、共変量. を選択応答そしてクリックX、カテゴリ. (はい、この方法は、X 分析ロールと Y 分析ロールの通常の意味とは逆のようです。)わかった.
見ることをお勧めしますヘルプ>>本>>多変量法詳細については、判別式プラットフォームに関する章を参照してください。
Re: 境界方程式、相境界もっと良い方法があるかもしれません......別のコミュニティ メンバーが発言してくれることを願っています....しかし、あなたが試してみたいのは、回帰を実行し、予測を保存してから、配布プラットフォームを使用することです。正規 2 混合分布をあてはめます。2つの分布の平均とシグマが得られ、そこから分割点を推定できるはずです
