رگرسیون منطقی

1402/06/14

دسترسی سریع

رگرسیون منطقی یک روش رگرسیونی تعمیم یافته و جدید است که در آن متغیرهای پیشگو به صورت ترکیب های بولی از متغیرهای دو حالتی ساخته می شود.

در رگرسیون منطقی ، به دنبال یک متغیر دو حالتی هستیم که حاصل یک ترکیب منطقی بولی مطلوب از متغیرهای دو حالتی اولیه باشد به طوری که استفاده از این متغیر جدید به عنوان متغیر پیش بین، در مقایسه با سایر ترکیبات بولی ممکن، بهترین برازش را بر روی متغیر پاسخ داشته باشد.

این روش رگرسیون که توسط روزینسکی معرفی شده است و در زمینه داده های SNP ، توالی ژنی، غربالگری بیماری های چند عاملی و ... کاربرد دارد و به دلیل استفاده از ترکیبات بولی منطقی رگرسیون، رگرسیون منطقی نامیده شده است.

فرض کنید ${x_1},{x_2},...,{x_k}$ متغیرهای پیشگوی دو حالتی و y متغیر پاسخ باشد. هدف برازش مدل رگرسیونی به فرم زیر است:

$g(E(y)) = {\beta _0} + \sum\limits_{j = 1}^t {{\beta _j}{L_j}}$

که در آن ${{L_j}}$ یک عبارت بولی از متغیرهای پیشگوی ${x_i}$ و $g(E(y))$ یک تابع پیوند است. این مدل یک مدل منطقی نامیده می شود.

قالب ارائه شده در بالا می تواند شامل رگرسیون خطی $g(E(y)) = E(y)$ و رگرسیون لجستیک دو حالتی $g(E(y)) = \log \left[ {\frac{{E(y)}}{{1 - E(y)}}} \right]$ ، مدل مخاطرات متناسب کاکس و یا سایر مدل های خطی تعمیم یافته باشد.

در رگرسیون منطقی هدف یافتن عبارت بولی است که تابع امتیاز تعیین شده را مینیمم کند. برآورد ${{\beta _j}}$ به طور همزمان، با جستجو برای عبارت ${{L_j}}$ با استفاده از الگوریتم Annealing پیدا می شود.

نظرات

هیچ نظری وجود ندارد.

رگرسیون منطقی

دسترسی سریع

نظرات

افزودن نظر

آخرین مقالات