【SCAU数据挖掘】python最大似然估计,逻辑回归参数估计随堂练习
使用逻辑回归来建立一个模型,预测手术切口感染(v)关于手术时间(x)的概率。逻辑回归是一个分类算法,适用于预测二元结果(比如感染或不感染)
最大似然估计就是不断调整,最终找到使得模型预测结果与实际数据最为接近的最佳参数
题目要求:
某医院为了研究导致手术切口感染的原因,收集了295例手术患者的情况。其中,手术时间小于或等于5h的有242例,感染者13例;手术时间大于5h的有53例,感染者7例。如表所示。试建立手术切口感染(v)关于手术时间(x)的逻辑回归模型。

介绍:
使用逻辑回归来建立一个模型,预测手术切口感染(v)关于手术时间(x)的概率。逻辑回归是一个分类算法,适用于预测二元结果(比如感染或不感染)

以下代码仅供参考:
代码一:
介绍:演示如何使用statsmodels库中的logit类来构建逻辑回归模型,并使用该模型进行参数估计和预测。
1. statsmodels.api as sm:导入statsmodels库,该库提供了
相关文章:
-
调用文件系统(HDFS)Shell命令应使用 bin/hadoop fs 的形式。所有的的FS shell命令使用URI路径作为参数。URI格式是。对HDFS文件系统,scheme…
-
-
-
对于已知的事件A来说,事件D的信息增益就是D的信息熵与A事件下D的条件熵之差,事件A对事件D的影响越大,条件熵H(D|A)就会越小(在事件A的影响下,事件D被划分得越“纯净”),体…
-
本文为机器学习中关于决策树的概念和构建决策树的python代码…
-
版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。
发表评论