逻辑回归

摘要： 目的基于机器学习法构建异位妊娠发生风险预测模型。方法选取308例异位妊娠患者和605例宫内妊娠孕妇作为研究对象,并按照7∶3的比例将其分为训练集(639例)和测试集(274例)。应用基于机器学习的逻辑回归、线性判别分析、多元自适应回归、K近邻算法和支持向量机算法构建异位妊娠发生风险的预测模型。比较上述5种算法构建的模型对异位妊娠发生风险的预测价值,筛选出预测效能最佳的模型用于构建列线图。通过LASSO回归筛选变量,然后构建逻辑回归模型并通过列线图可视化;通过校准曲线和决策曲线评估列线图预测模型预测异位妊娠发生风险的效能。结果5种机器学习算法构建的模型中,逻辑回归构建的模型预测效能最佳,选择该算法用于建立预测模型并构建列线图。异位妊娠史、既往腹腔或盆腔手术史、精神病史、子宫内膜异位史、外阴炎病史、月经推迟、月经不调史为构建列线图模型的候选预测因子。列线图模型的一致性指数为0.719,具有良好的区分度;校准曲线斜率=1显示列线图模型预测异位妊娠发生率与实际发生率具有较为良好的一致性;决策曲线分析表明,当阈值概率大于18%时,该列线图模型对异位妊娠的发生具有较好的预测效能。结论基于机器学习法构建的以异位妊娠史、既往腹腔或盆腔手术史、精神病史、子宫内膜异位史、外阴炎病史、月经推迟、月经不调史为预测因子的列线图模型对异位妊娠有较好的预测价值,可将该模型用于异位妊娠早期高风险人群的临床筛查。

摘要： 区域地质灾害易发性评价对地质灾害防治具有重要意义。本文以贵州省沿河县为研究区,考虑海拔、坡度、坡向、地形曲率、NDVI、工程地质岩组、断层、道路、水系9个因素,通过相关性分析后作为评价因子。分别利用CF模型和CF-LR模型评价沿河县地质灾害易发性。结果表明:CF模型比CF-LR模型地质灾害易发性等级的频率比值从低易发区到极高易发区明显增大,均有效评价了沿河县地质灾害易发性;CF-LR模型比CF模型AUC值提高了0.096,CF-LR模型具有更高的评价精度。

摘要： 目的:开展夏季不同空调温度和使用模式下中医辨证体质的研究,分析夏季空调温度与使用模式与人体体质的相关性。方法:本文将针对海淀区万寿路社区卫生服务中心收集的608例可研究病例开展调查研究。对海淀区万寿路社区卫生服务中心门诊及体检患者的中医体质、夏季空调温度、使用模式等,以流行病学横断面方法进行调查。结果:空调使用时间与血瘀质、阳虚质显著相关(P<0.05),空调使用区域与阳虚质显著相关(P<0.05),吃姜习惯、艾灸保健、性别、职业等因素与部分体质显著相关(P<0.05)。结论:应当辨证看待因空调诱发的相关病症,根据体质差异采取不同的治疗方案。

摘要： 为了能尽早发现软件中存在的缺陷,使用传统的机器学习方法来预测软件模块的缺陷倾向性,选取了NASA公开数据集中的部分数据集,针对软件缺陷预测中类不平衡的问题,分别采取了随机欠采样和随机过采样的方案,再使用逻辑回归算法和随机森林算法分别对数据集进行训练和预测,使用了查准率(Precision)、查全率(Recall)、ROC曲线下面积(AUC)作为模型的评价指标,并给出了对比实验的结果。

摘要： 结合新疆东天山卡拉塔格地区红海VMS铜锌矿床成矿地质背景,基于矿区积累的地质和物探数据,构建了三维地质模型。利用三维距离分析和地球物理反演方法,定量提取了多种控矿因素;采用逻辑回归模型进行了深部成矿预测并圈定了找矿有利单元。预测结果表明,逻辑回归模型能够较好地识别红海矿床深部隐伏矿体,圈定的找矿有利单元约占研究区所有块体单元的3.95%,包含了红海已知矿体块体单元的96.43%。找矿有利单元主要沿红海矿区NE向和NW向两条主断裂分布,在已知矿体的南部存在较高成矿概率的区域,体积约为86×10^(6)m^(3),主要埋藏深度为地表下250~600 m,可作为下一步找矿勘探的重点区域。

摘要： 地质灾害易发性评价作为地质灾害风险评价的基础,运用定量化的数学统计原理对地质灾害易发性进行研究能够客观准确地反映地质灾害发生的概率。文章以海南岛地质灾害最为发育的五指山市为例,选择断裂、岩土体、坡度、地形起伏度、海拔高程变异系数、归一化植被指数(NDVI)、降雨量、水系、公路、曲率值为评价指标,依托详查资料和遥感、地形数据,采用信息量模型和信息量-逻辑回归模型对研究区地质灾害易发性进行评价研究,评价结果经敏感性检验、频率比检验后表明:高易发区主要分布于山区公路和水系两侧沿线,极低易发区主要位于河谷不发育、人类工程活动较少的丘陵低山地带。两种模型的ROC曲线下面积值(AUC)分别为0.897和0.896,表明预测精度满足易发性评价要求。降雨、高程变异系数、公路等评价因子对地质灾害易发性起较强的控制作用。信息量-逻辑回归模型具有更高的可靠性和精准度,研究成果将为该地区地质灾害风险评价提供科学有效的判别方法和预测途径。

摘要： 针对乌鲁木齐市建筑业进城务工人员工作满意度状况调查研究,主要通过5个方面的16个因素,运用逻辑回归分析对建筑业进城务工人员工作满意度影响因素进行实证分析。研究发现,当前建筑业进城务工人员工作满意度总体评价偏低;从事建筑行业的进城务工人员依然面临着外界环境脏乱差、食宿条件较差、家庭情感生活欠缺的情况;工作发展维度三个变量均对工作满意度有显著影响,说明建筑业进城务工人员在经济水平改善的条件下,工作发展取向增强。

摘要： 为构建一种能够准确有效地在医保问题库中检索到与用户提出的问题匹配度最高的问题,提出了一种融合逻辑回归分类模型和TextRank关键词抽取的文本快速检索方法。首先从医保局官网以及百度文库中收集医保问答对,根据医保问答数据特征,采用对比分析方法找到最优的文本检索方案。实验结果表明,逻辑回归分类模型速度更快、准确度更高,配合基于图排序的关键词检索方式TextRank,能够有效地检索到与用户问题匹配度最高的医保问题。

摘要： 提出了一种新颖的两方纵向联邦逻辑回归协议,并在半诚实安全模型下证明了该协议的安全性,包括模型训练流程和模型推理流程的安全性,且无需对非线性函数使用多项式近似计算,从而保证了联邦逻辑回归协议模型无损。

摘要： 基于脑电图(Electroencephalography,EEG)信号的运动想象(Motor Imagery,MI)意图识别是脑机接口(BrainComputer Interface,BCI)研究中的重要问题.然而,EEG信号存在严重的个体性差异,不同被试之间的EEG信号特征空间分布差异很大,不同被试之间的分类模型不能通用.针对这一问题,提出一种基于欧式空间的加权逻辑回归迁移学习方法,算法首先将不同被试的EEG数据进行欧几里得空间对齐,使各信号更加相似,减少差异性,然后计算特定被试共空间模式(Common Spatial Pattern,CSP)获得不同的特征值,并计算这些特征值的KL(Kullback-Leibler)散度,进而利用KL散度调整迁移学习的加权逻辑回归算法,得到分类模型.实验结果表明:对于BCI竞赛IV中的数据集2a,提出的方法可以极大地提升BCI的学习性能,算法分类准确率比基线算法(线性判别分析)高出15%.在数据样本增多的情况下,被试的分类准确性也得到了明显的提升,和同类算法相比,分类准确率提升4%,说明提出的算法能进一步提高BCI的学习性能,改善分类模型的通用性问题.

摘要： 孤岛运行现象会危害电力系统的安全稳定运行,在发生孤岛运行现象需在规定的时间内将其监测出来.本文将逻辑回归算法引入到孤岛运行监测中.首先在Matlab环境下建立精确的分布式发电系统模型,该模型考虑各种可能出现的孤岛运行状态,最小可监测区域,多个分布式电源,多种操作条件和不同的网络拓扑结构,然后利用各种孤岛运行条件下的数据特征量在TensorFlow环境下对模型进行训练,最后利用训练好的模型进行孤岛运行状态监测,结果表明该方法的可行性.

摘要： 本文通过逻辑回归方法对ECWMF降水集合预报数据进行订正.选用2015年华东区域24小时降水资料,首先将MICAPS的24小时降水数据由站点插值到格点,然后对该实况资料和EC降水集合预报50个成员根据预报的雨量进行分量级统计,分别计算了0.1mm、10.0mm、25.0mm、50.0mm以上4个量级实况发生的情况和EC预报的概率.运用逻辑订正方法对这两组数据进行订正,得到的回归系数可以用于订正EC的集合预报.

摘要： 本研究将引入上述两方面权重，对传统逻辑回归模型进行修正，并应用到成矿预测中，实验结果表明，空间加权逻辑回归模型在整个研究区都有异常显示，而普通逻辑回归模型得到的后延概率异常值分布较为集中；通过计算预测结果图层与已知矿点图层的空间相关性，前者在预测精度上优于后者。从本质上说，上述信息综合模型都是全局模型。由于空间异质性和空间非平稳性的存在，在不同的局部，自变量与因变量关系可能变化很大，使得即使引入了位置变量也难以用统一的全局模型来建立它们之间的因果关系。

摘要： 逻辑回归作为经典分类算法具有良好的分类效果,因此在云计算平台上针对大规模移动数据实现逻辑回归具有很高的现实意义。然而现有的逻辑回归算法不具有处理海量移动数据的能力。利用移动数据l2泛化性特点,提出了一种基于置信域的逻辑回归并行化实现方法(PTLR),在Map Reduce环境下,实现了梯度计算、Hessian矩阵计算和似然函数增量计算这3个关键步骤的并行化,并集成在云计算平台上实际运行。通过在真实的大规模移动数据集上的实验,证明了PTLR算法具有稳定性高、收敛速度较快等特点。

摘要： 输电线路覆冰导致跳闸事故逐年增加,为了保障电网安全,减少因为覆跳闸造成的设备损坏,对覆冰条件下输电线路跳闸概率预测进行研究,提出一种基于Logistic回归算法的覆冰跳闸预测模型,主要包括特征提取、构建模型和预测检验三个方面.首先提出利用数据挖掘方法对数据进行预处理,获取有效数据作为模型输入特征.再利用Logistic算法构建预测模型,实现输电线路覆冰跳闸预测,为实际的线路安全运维提供参考信息.

摘要： 自然与人为因素对于滑坡灾害的发生和易发性评价的结果都有不同的影响.通过使用逻辑回归和随机森林模型以自然因素为指标体系进行易发性评价,其结果准确度为0.7639、0.8884,略高于以人为因素为指标体系的评价.因此可以断定,自然因素对于易发性评价准确度的影响高于人为因素.同时,部分人为因素会导致易发性评价结果准确度降低.

摘要： 目的：为了预测住院病人是否会在短时间内再入院,提出了基于机器学习的再入院预测方法.方法：通过选取合适的数据集,利用ICD-10诊断相关组编码(DRGs)等信息,选择合适的机器学习算法,训练预测病人短时间内再入院的概率.结果：通过训练测试分类器的正确肯定率与错误肯定率得到的ROC曲线,对比逻辑回归、随机森林和支持向量机三种分类器的性能指标,发现随机森林对复杂数据有良好的适应性,实验所得AUC均值更高,更适合应用于再入院的预测.结论：基于机器学习的再入院预测,可以提高医院的医疗和管理水平,降低病人因同种疾病短时间内再入院的数量.

摘要： 专利中含有丰富的计量信息,这些计量信息与专利价值之间存在着一定的联系.本文利用3d打印相关的六千多个专利族的十一组专利计量信息,验证了逻辑回归、支撑向量机和神经网络三种机器学习模型在专利价值评估上的表现.神经网络模型获得了较好的实验效果,逻辑回归模型可以对准确率或召回率进行单边控制,以满足特定的应用需要.

摘要： 粉尘云爆炸极限是描述粉尘爆炸的关键参数,为了更精确的研究粉尘云的爆炸下限,运用多种爆炸下限测试方法,在20L球型爆炸装置中测试了一定粒径的烟酸粉尘云的爆炸下限.基于Logistic回归模型,利用Spss统计软件得到烟酸粉尘云在不同浓度条件下的点火成功概率—浓度分布曲线,并分析了实验次数的不同对爆炸下限概率分布的影响规律.结果表明:点火成功概率为50％的浓度值与点火次数无关,为一个定值.但点火实验次数越多,浓度置信区间范围越窄,数据越可靠.与其他计算方法的结果相比,以概率表示烟酸粉尘爆炸下限更符合实际情况,为不同生产环境下不同的安全标准提供精确的理论数据.

摘要： 一直以来,客户流失给电信业带来了巨大的损失.本文利用电信公司的历史数据,运用逻辑回归、聚类等数据挖掘技术,建立客户流失预测模型;通过对客户消费行为的分析,总结出其流失原因;并结合对每个客户的价值评定,提出有针对性的客户保留营销策略.对数据挖掘在电信业中有效地保留客户进行了有益的探索.

摘要： 提供高速并且高精度地对S型函数进行秘密计算的技术。秘密S型函数计算系统将g(x)设为能秘密计算的函数，根据输入值x的份额[[x]]计算对于输入值x的S型函数的值的份额[[σ'(x)]]，包括：第一比较单元，生成第一比较结果[[c]]＝less_than([[x]],t1)；第二比较单元，生成第二比较结果[[d]]＝greater_than([[x]],t0)；第一逻辑计算单元，生成第一逻辑计算结果[[e]]＝not([[c]])；第二逻辑计算单元，生成第二逻辑计算结果[[k]]＝and([[c]],[[d]])或者[[k]]＝mul([[c]],[[d]])；以及函数值计算单元，计算份额[[σ'(x)]]＝mul([[k]],[[g(x)]])+[[e]]。

摘要： 一种秘密S型函数计算系统，将mapσ设为由表示S型函数σ(x)的定义域的参数(a0,…,ak‑1)和表示值域的参数(σ(a0),…,σ(ak‑1))(a0,…,ak‑1为满足a0k‑1的实数)定义的秘密批量映射，所述秘密S型函数计算系统由3个以上的秘密S型函数计算装置构成，从输入向量x→的份额[[x→]]，计算对于输入向量x→的S型函数的值y→的份额[[y→]]，所述秘密S型函数计算系统包含通过[[y→]]＝mapσ([[x→]])＝([[σ(af(0))]],…,[[σ(af(m‑1))]])计算份额[[y→]]的秘密批量映射计算单元，其中，f(i)是成为aj≤xij+1的j，0≤i≤m‑1。

摘要： 本申请公开了一种纵向联邦学习线性回归和逻辑回归模型训练方法、装置、计算机设备和存储介质，该方法通过各个参与方加密各自的本地训练数据，并交换加密后的密文；通过可交换加密方式获得参与方拥有样本交集的交集密文；随机选取多条交集密文中的数据，根据选取的数据得到参与方的中间结果密文，对中间结果密文进行解密，并根据解密结果计算加密聚合梯度；对加密聚合梯度进行解密，得到更新参与方模型参数的梯度；对模型进行更新，判断是否满足迭代终止条件，若满足，则结束迭代，若不满足则继续训练。解决了现有技术中由于数据的隐私性和不同组织之间缺乏信任，使得各组织的敏感数据难以充分利用以进行分布式机器学习模型训练的技术问题。

摘要： 本发明涉及金融科学技术领域，具体涉及一种基于Cox回归和逻辑回归的拒绝推断方法及电子设备，包括以下步骤：S1在预设周期内采集所有申请用户数据，针对每个用信用户定义两套标签，即二分类目标变量和生存分析目标变量；S2对有用信用户数据基于生存分析定义的变量做Cox回归建模；S3基于Cox回归结果对拒绝样本分别计算在授信通过贷后表现为“好”样本的概率P(G|A)和为“坏”样本概率P(B|A)；S4基于二分类标签和拒绝样本推断的结果，利用二分类算法训练模型，完成评分卡模型开发。本发明利用生存分析模型对拒绝样本进行推断，选取了非参数方法Cox回归分析，不需要判断生存时长的分布函数，简化流程和避免分布函数选取不合理造成的偏差，保证模型效果更加准确。

摘要： 本发明公开了一种无需第三方的隐私计算下逻辑回归训练方法、系统及装置，由发起方执行，获取第一公私钥对、标签和第一明文数据，第一公私钥对包括第一公钥和第一私钥；基于第一公钥对标签和第一明文数据进行加密得到标签加密数据和第一加密数据，将标签加密数据和第一加密数据发送至协同方，获取协同方发送的第二加密数据；基于第一明文数据、第二加密数据以及标签计算得到第一梯度密文；基于第一梯度密文和随机生成的第一随机数得到第一加盐密文，将第一加盐密文发送至协同方；获取协同方基于第一加盐密文反馈的第一加盐明文；基于第一加盐明文和第一随机数得到第一梯度信息；基于第一梯度信息更新预设的第一隐私计算模型的第一系数。

摘要： 本发明实施例公开了一种基于逻辑回归模型的银行网点效益预测方法及装置，涉及人工智能领域，该方法包括：获取目标银行网点的网点数据特征，其中，所述网点数据特征包括：网点内部数据特征以及网点周边数据特征；将所述网点数据特征输入到预设的效益预测模型中，得到所述效益预测模型输出的所述目标银行网点的效益数据预测值，其中，所述预测模型为采用数据样本对逻辑回归模型进行训练得到的，所述数据样本为打上效益数据标签的网点数据特征。本发明实现了准确的预测银行网点的效益数据的有益效果。

摘要： 本发明属于基于机器学习的BCR相关疾病筛查技术领域，具体涉及一种逻辑回归与多示例学习相结合的BCR分类方法。本发明应用多示例学习的思想，将氨基酸序列相同的BCR序列“聚类”为包，将同时包含阳性与阴性的同序列包标记为阳性。本发明能够有效降低基于机器学习的BCR相关疾病筛查中的假阴性率，提高目前正处于试探性研究阶段的BCR相关疾病筛查的实际应用性。

摘要： 本说明书一个或多个实施例提供一种基于逻辑回归和规则的评分模型构建方法，包括：筛选得到规则评分指标；利用除规则评分指标外的其他评分指标，构建逻辑回归评分卡模型；获取规则评分指标的得分规则；根据得分规则，得到规则评分指标的规则得分；根据规则得分，计算所有规则评分指标的AR值，并根据AR值对规则评分指标进行排序；根据逻辑回归评分卡模型和规则得分，按照排序对规则评分指标进行训练，得到评分模型。本公开将规则模型集成到逻辑回归评分卡模型中，提高了发生频率低但是一旦触发有较强风险的评分指标对于评分模型的评分结果的影响，提高了评分模型的评分结果的准确性。

摘要： 本发明属于信息安全技术领域，公开了一种多源垂直分布数据的逻辑回归安全训练方法及系统，所述逻辑回归安全训练方法在保证用户本地数据隐私的前提下，采用了非交互式联邦学习逻辑回归训练方法，用户不必保证每轮训练过程实时在线也不必耗费本地计算资源进行大量模型更新计算，用户只需要在训练开始时对本地训练数据进行预处理计算与加密计算，然后将密文数据交由云服务提供商，由云服务提供商完成数据聚合计算，并将密文全局逻辑回归训练数据交由模型训练发起者，由模型训练发起者对密文全局逻辑回归训练数据进行解密计算，并利用全局训练数据进行逻辑回归训练，最终得到了高效逻辑回归模型。

摘要： 基于Snort引擎采用逻辑回归算法的防入侵检测系统，包括预处理模块、检测模块、报警模块、规则生成模块和规则库；预处理模块将数据包进行预处理，并将预处理结果发送至检测模块；检测模块对预处理结果进行识别区分处理，并将打上特征标签的异常数据包发送至规则库进行匹配判断；规则库将打上特征标签的异常数据包进行匹配判断，将匹配判断结果发送至报警模块，并将未匹配成功打上特征标签的异常数据包发送至规则生成模块；报警模块根据匹配判断结果是否进行报警；规则生成模块将未匹配成功打上特征标签的异常数据包进行提取转换处理生成新规则，并将新规则保存至规则库，实现减少网络入侵的风险性，从而提高网络保护的安全性。