中国卫生统计
中國衛生統計
중국위생통계
CHINESE JOURNAL OF HEALTH STATISTICS
2012年
1期
74-76
,共3页
遗传算法%logistic回归%极大似然法%参数估计
遺傳算法%logistic迴歸%極大似然法%參數估計
유전산법%logistic회귀%겁대사연법%삼수고계
目的 考察遗传算法作为logistic回归模型参数估计方法的效能,并与极大似然估计法比较.方法 通过数据模拟建立三种模型,分别用遗传算法和极大似然法作参数估计,考察建立模型的分类效能.结果 一般情况下,极大似然估计法的分类效能稍高于遗传算法.在样本量较小或自变量关系复杂的情况下,极大似然估计法和遗传算法的泛化误差增加.极大似然估计法的泛化误差主要源于在验证集中分类效能下降,而遗传算法的泛化误差主要源于训练集中的过拟合.当样本量小且自变量关系复杂的情况下,极大似然估计法出现迭代不收敛,参数失拟合,遗传算法无此现象.结论 遗传算法适用于自变量多而样本量相对小时logistic回归模型参数估计.
目的 攷察遺傳算法作為logistic迴歸模型參數估計方法的效能,併與極大似然估計法比較.方法 通過數據模擬建立三種模型,分彆用遺傳算法和極大似然法作參數估計,攷察建立模型的分類效能.結果 一般情況下,極大似然估計法的分類效能稍高于遺傳算法.在樣本量較小或自變量關繫複雜的情況下,極大似然估計法和遺傳算法的汎化誤差增加.極大似然估計法的汎化誤差主要源于在驗證集中分類效能下降,而遺傳算法的汎化誤差主要源于訓練集中的過擬閤.噹樣本量小且自變量關繫複雜的情況下,極大似然估計法齣現迭代不收斂,參數失擬閤,遺傳算法無此現象.結論 遺傳算法適用于自變量多而樣本量相對小時logistic迴歸模型參數估計.
목적 고찰유전산법작위logistic회귀모형삼수고계방법적효능,병여겁대사연고계법비교.방법 통과수거모의건립삼충모형,분별용유전산법화겁대사연법작삼수고계,고찰건립모형적분류효능.결과 일반정황하,겁대사연고계법적분류효능초고우유전산법.재양본량교소혹자변량관계복잡적정황하,겁대사연고계법화유전산법적범화오차증가.겁대사연고계법적범화오차주요원우재험증집중분류효능하강,이유전산법적범화오차주요원우훈련집중적과의합.당양본량소차자변량관계복잡적정황하,겁대사연고계법출현질대불수렴,삼수실의합,유전산법무차현상.결론 유전산법괄용우자변량다이양본량상대소시logistic회귀모형삼수고계.
