|
|||||
|
|
| 超高维数据降维与Logistic广义线性拟合分析 | |
| 作者姓名： | 王桂芝 宋迎曦 来鹏 陈纪波 |
| 作者单位： | 南京信息工程大学数学与统计学院,南京,210044 |
| 基金项目： | 国家社会科学基金资助项目，公益性行业科研专项，教育部哲学社会科学发展报告项目，气候变化与公共政策研究院开放课题 |
| 摘 要： | 文章以美国威斯康星州的乳腺癌调查数据为例,分别采用SIS和TCS算法对高维数据进行降维处理,尝试将改进的Logistic广义线性模型对降维后的变量进行拟合.再与传统的一般线性模型、Logistic广义线性模型相比,结果表明,基于算法降维后的Logistic广义线性模型预测误差更小,其中基于TCS算法降维后的广义线性模型在拟合中要明显优于SIS算法降维后的广义线性模型. |
| 关 键 词： | 高维数据 Logistic回归 广义线性模型 降维 TCS算法 |
| 本文献已被 万方数据 等数据库收录！ | |