原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
SPSSAU-在线SPSS分析软件
Logistic回归ROC曲线SPSSAU
Logistic回归
Contents
1背景2
2理论2
3操作3
4SPSSAU输出结果3
5文字分析4
6剖析6
在机器学习应用中，Logistic回归可用进行数据分类和数据预测，在SPSSAU机器学习模块中，
Logistic回归的应用场景即为分类和预测，其与SPSSAU进阶方法中的二元logit回归或者多分类logit回归
一致，但应用场景有区别，进阶方法中的二元Logit回归或者多分类Logit回归主要用于研究影响关系，但
机器学习模块中的Logistic回归侧重于研究数据的分类和预测作用，因而即使原理一致，但输出的指标等
却完全不同。
SPSSAU-在线SPSS分析软件
Logistic回归案例
Contents
1背景2
2理论2
3操作3
4SPSSAU输出结果3
5文字分析4
6剖析6
1背景
当前有一项关于‘信用卡交易欺诈’的数据科学研究，已整理好数据共为1000条，其包括六项，分
别是换设备次数，支付失败次数，换IP次数，换IP国家次数，交易金额和欺诈标签，欺诈标签时，数字
1表示欺诈，数字0表示没有欺诈行为，现希望通过一些机器学习算法来构建模型，并且做一些预测工
作，部分数据如下图所示：
2理论
Logistic回归时，如果Y为二分类，那么其数学模型为Logit(P/(1-P)=常数+b1*x1+b2*x2+…，如果
是多分类时，其实质上是进行多次二分类，比如Y为3个类别，那么则进行2次（3-1=2）二元Logit回
归，这是其数学原理。与此同时，在进行Logistic回归时，其涉及参数如下表所述：
参数说明参数值设置
优化算法Logistic回归内部涉及的数学算lbfgs:默认lbfgs牛顿法，算法较稳定；
法，可结合数据样本量等进行选liblinear:小型数据时使用；
择使用newton-cg:另一种牛顿迭代法；
newton-cholesky:样本量远大于特征数量时可以
使用；
sag:样本量非常大时建议使用；
SPSSAU-在线SPSS分析软件
saga:大型数据时候使用它
正则化防止过拟合问题的处理技术方式L1(Lasso正则化)：减少参数数量降低模型复
杂度，通常在特征选择应用时使用它；
L2(Ridge正则化)：通常用于处理过拟合问题
文档评论（0）