一、logistic回归为啥叫logistic？

logistic回归又称logistic回归分析，主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险因素预测某疾病发生的概率，等等

二、logistic词根？

词根是logic

logistic

英 [ lɒˈdʒɪstɪk ]

美 [ loˈdʒɪstɪk ]

后勤上的，安排协调方面的常用释义

释义

adj.

后勤上的，安排协调方面的

n.

数理逻辑，符号逻辑

例句

1. We also provide logistic services.

我们同时提供物流服务。

2. FM Logistic is planning to cut 489 jobs.

这家物流公司先前计划要削减489个工作岗位。

3. WHO provided technical and logistic support.

世卫组织提供了技术和后勤支助。

三、单因素logistic和多因素logistic分析？

单因素分析主要用于初步判断哪些因素对随访结局有影响，一次统计只分析一个变量，他的结果往往不是很可靠，特别是存在混杂因素时，而多因素分析则常常是在单因素分析的基础之上，对所有可能的影响因素进行一次性的分析，他能校正各种混杂因素的影响，结果往往更加可信。至于是有没有必要先进行单因素分析再进行多因素分析，各有各的说法，一般是看情况而定；SPSS选项里面有个预测的概率，一般是以0.50为判定标准的。其它的就和普通的ROC曲线计算一致。

四、logistic建模目的？

logistic回归又称logistic回归分析，主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险因素预测某疾病发生的概率，等等。例如，想探讨胃癌发生的危险因素，可以选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群肯定有不同的体征和生活方式等。这里的因变量就是是否胃癌，即“是”或“否”，为两分类变量，自变量就可以包括很多了，例如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。通过logistic回归分析，就可以大致了解到底哪些因素是胃癌的危险因素。 　　logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同，其他的基本都差不多，正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalized linear model）。这一家族中的模型形式基本上都差不多，不同的就是因变量不同，如果是连续的，就是多重线性回归，如果是二项分布，就是logistic回归，如果是poisson分布，就是poisson回归，如果是负二项分布，就是负二项回归，等等。只要注意区分它们的因变量就可以了。 　　logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。所以实际中最为常用的就是二分类的logistic回归。 　　logistic回归的主要用途：一是寻找危险因素，正如上面所说的寻找某一疾病的危险因素等。二是预测，如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。三是判别，实际上跟预测有些类似，也是根据logistic模型，判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某病。 　　这是logistic回归最常用的三个用途，实际中的logistic回归用途是极为广泛的，logistic回归几乎已经成了流行病学和医学中最常用的分析方法，因为它与多重线性回归相比有很多的优势，这些优势将在以后的文章中一一介绍。本篇文章主要是先让大家对logistic回归有一个初步的了解，以后会对该方法进行详细的阐述。

五、logistic和logistics区别？

logistic是形容词， 逻辑的，（军）后勤的，如

logistic problems后期问题。

logistics是名词， 逻辑学，（军）后勤，物流 如

logistics industry物流产业。

六、logistic回归分析步骤？

（1）收集数据：采用各种方法收集数据，比如爬虫等；

（2）准备数据：因为需要计算距离，所以数据类型应该是数值型，最好是结构化数据格式；

（3）分析数据：通过业务的角度或者其他的方法分析数据；

（4）训练算法：这是关键的一步，训练的目的是找到最佳的分类回归系数，可以使用随机梯度上升法；

（5）测试算法：训练完成，将数据投入模型进行测试；

（6）使用算法：将需要的数据进行处理成适合模型的结构化数据，输出的是类别，只有0,1两类。

七、logistic命令是什么？

"logistic"是一种统计学中常用的命令或函数，常用于进行逻辑回归分析。在很多统计软件中，例如R、Python中的statsmodels库或者scikit-learn库，都提供了logistic回归的函数或命令。

逻辑回归是一种用于建立分类模型的统计分析方法，用于预测二元或多元的离散结果。"logistic"命令或函数通常用于拟合逻辑回归模型，通过最大化似然函数来估计模型的参数。

具体而言，"logistic"命令或函数通常需要指定输入变量（自变量），以及针对结果变量（因变量）的概率分布函数（一般是逻辑分布）。通过拟合逻辑回归模型，我们可以得到自变量对于因变量的影响程度、变量的显著性等信息。

总之，"logistic"命令或函数是用于进行逻辑回归分析的一个工具，可以通过拟合模型来分析和预测分类问题。具体如何使用和参数设置还要根据所用的统计软件和具体情境来确定，您可以参考相关软件的文档或教程来学习如何使用"logistic"命令或函数。

八、logistic回归分析心得？

进行Logistic回归分析，可以参考以下步骤和注意事项：

准备数据：确保数据集的质量和特征的完整性。进行数据清洗、缺失值处理、标准化等预处理工作。

理解问题：理解问题的性质，确定是否适合使用Logistic回归。Logistic回归通常用于二分类问题。

选择模型：选择适当的Logistic回归模型，可以考虑不同的损失函数、正则化方法等。

特征选择：选择与问题相关的特征，并避免使用冗余特征。

训练模型：使用训练数据集训练Logistic回归模型。

模型评估：使用测试数据集评估模型的性能。可以计算准确率、精确率、召回率、F1得分等指标。

模型优化：根据评估结果，对模型进行优化。可以尝试不同的模型参数、调整超参数等。

解释性：Logistic回归模型的系数可以解释，可以用来理解每个特征对预测结果的影响。

以上是进行Logistic回归分析的一些心得。需要注意的是，在实践中可能需要根据具体问题进行调整和优化。

九、logistic回归的特点？

Logistic回归，一种最优化算法。用于分类，其实就是对分类边界线建立回归公式。啥？啥叫回归？就是用一条直线对数据点进行拟合，拟合的过程称作回归。。，说白了就是找一条线把数据点分开；

梯度上升算法和改进的梯度上升算法。。。一听到改进，感觉肯定比原算法牛逼

十、logistic回归赋值要求？

1. Logistic回归赋值有要求。2. Logistic回归是一种二分类模型，需要将样本数据分为两类，通常用0和1表示。在进行模型训练时，需要对样本数据进行赋值，将0和1分别赋予不同的数值，以便计算模型参数。3. 在具体实现时，通常将0赋值为1，将1赋值为-1，这样可以方便地计算模型参数。同时，为了避免出现数值溢出等问题，还需要对数据进行标准化处理。