경계 방정식, 라 위상 경계안녕.
각 세트가 2개의 요인 테스트에서 "통과"와 "통과 없음" 결과 사이에 선형 경계를 갖는 것으로 보이는 데이터가 있습니다. 두 결과 모집단 사이의 경계 방정식을 계산하는 방법이 있습니까?
조언 감사합니다. 데이터 세트의 예가 첨부되어 있습니다.
Re: 경계 방정식, 라 위상 경계모델의 해석 및 활용에 도움이 되는 물류 모델에 대한 시각화가 있습니다. 샘플 데이터 폴더에 있는 Big Class 데이터 세트를 사용하여 Logit( sex ) F( 키, 몸무게) 모델에 맞췄습니다. 다음은 두 가지 플롯입니다.
키와 몸무게 값을 (거의) 출력이 0이 되도록 설정했습니다. 결과의 확률은 기본적으로 어느 쪽이든 0.5임을 알 수 있습니다.
Re: 경계 방정식, 라 위상 경계맞아요. Lin[Fail]은 피팅된 모델의 선형 예측 변수를 저장합니다. 로짓을 나타냅니다. 로짓이 0일 때 확률은 1이므로 Fail과 Fail이 아닌 확률은 동일합니다.
Re: 경계 방정식, 라 위상 경계모두 감사합니다! 로지스틱 회귀 솔루션을 기반으로 하여 Lin[Fail] 함수가 [Fail] 범주에 대해 양수이고 [Pass] 범주에 대해 음수임을 확인했습니다. 따라서 예측된 [Pass]와 [Fail] 범주의 경계에서 Lin[Fail]이 0이라고 제안하는 것이 직관적입니다. Lin[Fail]에 대한 공식은 모델의 출력이므로 이 공식에서 Lin[Fail]을 0과 동일시하면 내가 추구하는 경계 방정식이 제공됩니다.
Re: 경계 방정식, 라 위상 경계또 다른 인기 있는 분류 방법은 이진 로지스틱 회귀 . 귀하의 데이터를 분석한 결과는 다음과 같습니다.
응답은 로짓( Result ) 대 선형 예측자(선형 조합)이므로 해석이 판별 함수보다 더 친숙할 수 있습니다.
에 대한 장을 참조하십시오. 명목 물류 플랫폼 돕다 > 서적 > 선형 모델 피팅 .
재귀 파티셔닝 또한 분류를 제공하지만 이 경우 강력한 선형 관계 때문에 매우 많은 분할이 필요합니다. 그런 거대한 나무는 해석하기가 더 어려울 것입니다.
Re: 경계 방정식, 라 위상 경계이 예는 분류의 경우입니다. 이 목표를 위한 많은 기술이 있습니다. 특히 '경계'에 대한 귀하의 요구를 충족시킬 수 있는 것은 선형 판별 함수 . 다음은 데이터에 적용된 결과입니다.
이 분류는 1/16 오분류가 있는 이진 응답에 대해 매우 좋습니다.
고르다 분석하다 > 다변수 방법 > 판별자 . 선택 예측 변수 클릭 Y, 공변량 . 선택 응답 클릭 X, 카테고리 . (예, 이것은 X 및 Y 분석 역할의 일반적인 의미와 반대되는 것처럼 보입니다.) 클릭 확인 .
나는 당신이 볼 것을 제안합니다 돕다 > 서적 > 다변수 방법 자세한 내용은 판별 플랫폼에 대한 장을 참조하십시오.
Re: 경계 방정식, 라 위상 경계더 나은 방법이 있을 수 있습니다......다른 커뮤니티 회원이 발언하기를 바랍니다.....하지만 시도하고 싶은 것은 회귀를 실행하고 예측을 저장한 다음 배포 플랫폼을 사용하는 것입니다. 정규 2 혼합물 분포를 피팅합니다.그것은 당신에게 2 분포의 평균과 시그마를 줄 것이고, 거기에서 당신은 나눗셈 포인트를 추정할 수 있어야 합니다
