Logistic回归模型和判别分析方法的比较分析

摘要

Logistic回归模型和判别分析方法都可以达到对样本分类的目的,比较和分析这2种方法的差异以及其各自的特点,可以为更好的应用提供参考.从类别表现、样本情况、归类函数、归类原则、预测功效等5个方面对Logistic回归模型中的基线-类别Logit模型和判别分析方法中具有代表性的Bayes后验概率判别、Fisher判别的基本思想和步骤进行比较,并通过“鸢尾花”样本数据的品种判别对这3种方法进行了实证分析.Logistic回归建立了总体各因子与总体类别的回归模型,在因子与类别之间形成了解释与被解释的关系;通过对回归系数的检验,可以探究各因子对总体类别的影响程度;为了取得更好的预测效果,在各种模型中,应尽量增大训练样本的容量.