- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Нелинейная регрессия презентация
Содержание
- 1. Нелинейная регрессия
- 2. Может быть так, что зависимость между переменными нелинейная. Тогда применяем нелинейную регрессию
- 3. Бинарная логистическая регрессия позволяет
- 4. Бинарная логистическая регрессия от
- 5. Логистическая регрессия Мы говорим о
- 6. Математическая модель где
- 7. Математическая модель где
- 8. Математическая модель Зависимость, связывающая
- 9. Математическая модель
- 10. Логистическая регрессия Находится в модуле Nonlinear Estimation
- 11. Логистическая регрессия Вот она!
- 12. Логистическая регрессия Как обычно, надо выбрать переменные
- 13. Пример Рассмотрим пример из медицины (Breast cancer
- 14. Пример Age –
- 15. Результаты
- 16. Результаты Оценка качества модели
- 17. Качество модели Качество приближения регрессионной модели оценивается
- 18. Качество модели Затем в модель
- 19. Качество модели Хи-квадрат
- 20. Результаты Коэффициенты b
- 21. Регрессионные коэффициенты
- 22. Результаты Эмпирические, предсказанные значения и остатки
- 23. Результаты
- 24. Результаты Матрица классификации
- 25. Результаты
- 26. Результаты Распределение остатков
- 27. Результаты
- 28. Результаты Знакомые нам графики оценки
- 31. Тогда применяем нелинейную регрессию, а зависимость может быть задана самим пользователем
- 32. Пример. Рост населения в США с
- 33. Очевидно, что нашей задачей является определение трех коэффициентов - a, b и c.
- 34. Для построения уравнений нелинейной регрессии служит модуль Nonlinear Estimation
- 35. Для построения уравнений нелинейной регрессии служит модуль
- 36. Начальные значения для параметров Маленькие (?) хитрости
- 37. Маленькие (?) хитрости
- 38. Получаем результаты!
- 39. Оценка параметров
- 40. Теперь, подставив коэффициенты в исходную формулу
- 41. Оценка модели Процент объясненной дисперсии
- 42. Оценка модели Остатки
- 43. Оценка модели Эмпирические, предсказанные значения и остатки
- 44. Оценка модели Гистограмма распределения остатков
- 45. Оценка модели Распределение должно быть как можно ближе к нормальному
- 46. Оценка модели Гистограмма распределения остатков Тоже знакомые нам графики
- 47. Оценка модели Эти значения должны лежать вдоль одной прямой
- 48. Оценка модели График эмпирических значений и функции, описывающей модель
- 49. Оценка модели
- 50. Вот и все! Задавайте любые зависимости и проверяйте любые модели!
Может быть так, что зависимость между переменными нелинейная. Тогда применяем нелинейную регрессию
Слайд 2Может быть так, что зависимость между переменными нелинейная. Тогда применяем нелинейную
регрессию
Слайд 3
Бинарная логистическая регрессия позволяет исследовать зависимость дихотомических зависимых переменных
от независимых переменных, имеющих любой вид шкалы
Слайд 4
Бинарная логистическая регрессия от дискриминантного анализа отличается тем, что
связь между зависимой и независимыми переменными нелинейная
Слайд 5Логистическая регрессия
Мы говорим о некотором событии, которое может произойти
или не произойти. В этом случае вероятность наступления события рассматривается в зависимости от значений независимых переменных.
Слайд 6Математическая модель
где z=b1x1+b2x2+ …+bnxn+ b0
p – вероятность наступления
события, x – независимые переменные
Если р больше 0.5, то можно предположить, что событие произойдет.
Если р больше 0.5, то можно предположить, что событие произойдет.
Слайд 7Математическая модель
где z=b1x1+b2x2+ …+bnxn+b0
Наша задача, как всегда, -
оценить
коэффициенты bi
коэффициенты bi
Слайд 8Математическая модель
Зависимость, связывающая вероятность события и величину Z, показана на следующей
диаграмме:
Эта зависимость носит нелинейный характер, причем P не может выходить за пределы диапазона 0 — 1
Слайд 13Пример
Рассмотрим пример из медицины (Breast cancer survival.sta)
Оценим шанс на выживание
пациентов разного возраста с опухолью различных размеров (две независимые переменные)
Слайд 14Пример
Age – Age (years)
Pathsize - Pathologic Tumor
Size (cm)
Lnpos - Positive Axillary Lymph Nodes
…
Status – Censored/Died
Lnpos - Positive Axillary Lymph Nodes
…
Status – Censored/Died
Слайд 17Качество модели
Качество приближения регрессионной модели оценивается при помощи функции подобия. Мерой
правдоподобия служит отрицательное удвоение значения логарифма этой функции - -2LL.
В качестве начального значения для -2LL принимается значение, которое получается для регрессионной модели, содержащей только константу.
В качестве начального значения для -2LL принимается значение, которое получается для регрессионной модели, содержащей только константу.
Слайд 18Качество модели
Затем в модель добавляют переменные согласно выбранному методу
и вычисляют разность (улучшение качества модели). Разность обозначают как хи-квадрат и вычисляют ее значимость.
Слайд 32Пример. Рост населения в США с 1790 по 1960 гг по
декадам:
Видно, что зависимость тут скорее не линейная, а экспоненциальная. Демографы знают, что лучше всего зависимость роста населения от времени описывается функцией
Слайд 35Для построения уравнений нелинейной регрессии служит модуль Nonlinear Estimation
Тут набираем формулу,
которая, по нашему мнению, хорошо описывает полученную зависимость
Слайд 40Теперь, подставив коэффициенты в исходную формулу
мы можем оценить население
США в будущем - через 19, 20, 1000 лет…
