Grenzgleichung, a la PhasengrenzeHi.
Ich habe einige Daten, bei denen jeder Satz eine lineare Grenze zwischen den Ergebnissen "bestanden" und "nicht bestanden" aus 2-Faktor-Tests zu haben scheint. Gibt es eine Möglichkeit, die Grenzgleichung zwischen den beiden Ergebnispopulationen zu berechnen?
Vielen Dank für die Beratung. Beispiel eines Datensatzes ist beigefügt.
Re: Grenzgleichung, a la PhasengrenzeEs gibt Visualisierungen für das logistische Modell, um bei der Interpretation und Nutzung des Modells zu helfen. Ich habe den Big Class-Datensatz im Beispieldatenordner verwendet, um ein Modell Logit (Geschlecht) F (Größe, Gewicht) anzupassen. Hier sind zwei der Plots:
Ich stelle die Werte für Größe und Gewicht so ein, dass (fast) keine Leistung erreicht wird. Sie können sehen, dass die Wahrscheinlichkeit des Ergebnisses in beiden Fällen im Wesentlichen 0,5 beträgt.
Re: Grenzgleichung, a la PhasengrenzeDas ist richtig. Lin[Fail] speichert den linearen Prädiktor aus dem angepassten Modell. Es repräsentiert den Logit. Wenn der Logit null ist, sind die Chancen 1, also sind die Wahrscheinlichkeiten für Nicht-Nicht-Versagen gleich.
Re: Grenzgleichung, a la PhasengrenzeDanke euch allen! Aufbauend auf der logistischen Regressionslösung habe ich festgestellt, dass die Lin[Fail]-Funktion für die Kategorie [Fail] positiv und für die Kategorie [Pass] negativ ist. Daher ist es intuitiv vorzuschlagen, dass Lin[Fail] an der Grenze zwischen den vorhergesagten Kategorien [Pass] und [Fail] null ist. Da die Formel für Lin[Fail] eine Ausgabe des Modells ist, ergibt das Gleichsetzen von Lin[Fail] mit Null in dieser Formel die Grenzgleichung, nach der ich suche.
Re: Grenzgleichung, a la PhasengrenzeEine weitere beliebte Klassifizierungsmethode ist binäre logistische Regression . Hier ist das Ergebnis einer solchen Analyse Ihrer Daten:
Die Antwort ist der Logit (Ergebnis) im Vergleich zum linearen Prädiktor (lineare Kombination), daher ist die Interpretation vielleicht vertrauter als die Diskriminanzfunktion.
Siehe das Kapitel über die Nominelle Logistik Plattform ein Hilfe > Bücher > Anpassen von linearen Modellen .
Rekursive Partitionierung liefert ebenfalls eine Klassifizierung, aber wegen der starken linearen Beziehungen in diesem Fall würde es sehr viele Teilungen erfordern. Ein solch riesiger Baum wäre schwieriger zu interpretieren.
Re: Grenzgleichung, a la PhasengrenzeDieses Beispiel ist ein Fall von Klassifikation. Es gibt viele Techniken für dieses Ziel. Eine, die Ihr Bedürfnis nach der „Grenze“ besonders befriedigen könnte, ist die lineare Diskriminanzfunktion . Hier ist das auf Ihre Daten angewendete Ergebnis:
Diese Klassifizierung ist ziemlich gut für die binäre Antwort mit einer Fehlklassifizierung von 1 zu 16.
Auswählen Analysieren > Multivariate Methoden > Diskriminant . Wähle aus Prädiktoren und klicken Y, Kovariablen . Wähle aus Antwort und klicken X, Kategorien . (Ja, dieser Weg scheint das Gegenteil der üblichen Bedeutung der X- und Y-Analyserollen zu sein.) Klick OK .
Ich schlage vor, dass Sie sehen Hilfe > Bücher > Multivariate Methoden und das Kapitel über die Discriminant-Plattform für weitere Informationen.
Re: Grenzgleichung, a la PhasengrenzeEs könnte einen besseren Weg geben......Hoffentlich meldet sich ein anderes Community-Mitglied zu Wort.....aber was Sie vielleicht versuchen möchten, ist, die Regression auszuführen und die Vorhersagen zu speichern und dann die Verteilungsplattform zu verwenden, Passen Sie eine Normal-2-Mischungsverteilung an.Es gibt Ihnen den Mittelwert und das Sigma der 2 Verteilungen, und von dort aus sollten Sie in der Lage sein, einen Teilungspunkt zu schätzen
