logistic回归自变量筛选方法
Logistic回归的自变量筛选可以采用以下方法：
1. 向前法（Forward）：有三种，即一般统计学书上所说的逐步回归，这三种向前法选入自变量时均采用比分检验，但剔除自变量的标准不同。分别为：条件参数估计似然比检验（向前：条件）、最大偏似然估计的似然比检验（向前：LR）、Wald卡方检验（向前：Wald）。
2. 向后法（Backward）：也有三种，分别采用上述3种方法之一进行变量的剔除。条件参数估计似然比检验（向后：条件）、最大偏似然估计的似然比检验（向后：LR）、Wald卡方检验（向后：Wald）。
3. 过滤式：根据自变量与因变量的相关系数或者其他的统计特征筛选建模的特征。
4. 包裹式：逐步回归调整入模变量。
5. 嵌入式：可以加入正则项L1或者L2正则项调整入模变量。
正则化逻辑回归最终模型的选择仍需要获得专业理论的支持。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。