超高维数据降维与Logistic广义线性拟合分析  

作　　者：王桂芝[1] 宋迎曦 来鹏 陈纪波[1] 

机构地区：[1]南京信息工程大学数学与统计学院,南京210044

出　　处：《统计与决策》2016年第7期38-41,共4页Statistics & Decision

基　　金：国家社会科学基金资助项目(15BTJ019);公益性行业科研专项(GYHY201506051);教育部哲学社会科学发展报告项目(13JBG004);气候变化与公共政策研究院开放课题(14QHA020)

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 

分 类 号：O213[理学—概率论与数理统计]