-
题名惩罚逻辑回归预测航班延误问题
- 1
-
-
作者
陈伟
霍群
-
机构
重庆工商大学数学与统计学院
-
出处
《计算机应用》
北大核心
2025年第S1期194-197,共4页
-
基金
重庆工商大学研究生创新型科研项目(yjscxx2024-284-246)。
-
文摘
针对传统统计方法和机器学习技术在处理多重共线性数据时的局限性,探究惩罚逻辑回归(PLR)在航班延误预测中的有效性。首先,回顾航班延误的背景及现状,并分析现有的相关研究所面临的挑战;其次,介绍逻辑回归及其3种惩罚形式(LASSO、L2和弹性网(EN))的理论基础,并探讨它们在航班延误分析中的应用潜力;最后,为了验证PLR方法的有效性,利用真实航班数据进行实验分析。实验结果表明,PLR有效地解决了航班数据中的多重共线性问题,且预测准确度有显著提升。其中,L2-PLR模型的运行最快,LASSO-PLR模型在预测精度上表现最佳,弹性网惩罚逻辑回归(EN-PLR)模型则在运行速度和预测精度之间达到平衡。
-
关键词
航班延误
惩罚逻辑回归
LASSO惩罚
L2惩罚
弹性网惩罚
-
Keywords
flight delay
Penalized Logistic Regression(PLR)
LASSO(Least Absolute Shrinkage and Selection Operator)penalty
L2 penalty
Elastic Net(EN)penalty
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于惩罚逻辑回归的乳腺癌预测
被引量：9
- 2
-
-
作者
胡雪梅
谢英
蒋慧凤
-
机构
重庆工商大学数学与统计学院
重庆工商大学经济社会应用统计重庆市重点实验室
重庆工商大学长江上游经济研究中心
-
出处
《数据采集与处理》
CSCD
北大核心
2021年第6期1237-1249,共13页
-
基金
重庆市第五批高等学校优秀人才支持计划(68021900601)资助项目
重庆市科委基础研究与前沿探索一般项目(cstc.2018jcyjA2073)资助项目
+4 种基金
重庆市统计学研究生导师团队(yds183002)资助项目
重庆市教委科学技术研究计划重大项目(KJZDM202100801)资助项目
重庆市社会科学规划项目(2019WT59)资助项目
社会经济应用统计重庆市重点实验室平台开放项目(KFJJ2018066)资助项目
重庆工商大学数理统计团队(ZDPTTD201906)资助项目。
-
文摘
本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测。首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L_(2)惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75%的数据集作为训练集建立模型,最后利用25%的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度。结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18%;弹性网惩罚逻辑回归的预测表现随着α的增大发生变化,特别当α=0.9时,预测精度达到97.18%,与LASSO惩罚逻辑回归的预测表现一样好;L_(2)惩罚逻辑回归的预测表现排第3,逻辑回归表现最差。因此,在乳腺肿瘤诊断中可借助LASSO惩罚逻辑回归和弹性网惩罚逻辑回归提高诊断精度。
-
关键词
乳腺癌
逻辑回归
LASSO惩罚逻辑回归
L_(2)惩罚逻辑回归
弹性网惩罚逻辑回归
-
Keywords
breast cancer
logistic regression
the LASSO penalized logistic regression
the L2 penalized logistic regression
the elastic net penalized logistic regression
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
R737.9
[医药卫生—肿瘤]
-
-
题名SCAD惩罚逻辑回归的财务预警模型
被引量：6
- 3
-
-
作者
刘遵雄
黄志强
孙清
张恒
-
机构
华东交通大学信息工程学院
西安财经学院信息学院
-
出处
《统计与信息论坛》
CSSCI
2012年第12期21-26,共6页
-
基金
国家自然科学基金项目<高维数据非负稀疏特征抽取及聚类算法研究>(61065003)
教育部人文社会科学研究规划基金项目<融合变量选择的上市公司财务预警模型研究>(10YJC630379)
江西省自然科学基金项目<文本聚类中非负稀疏特征抽取算法研究>(2010GZS0034)
-
文摘
作为一种有监督学习算法,逻辑回归(Logistic Regression,LR)已广泛应用于财务危机建模分析,但其潜在地存在过拟合问题。鉴此,提出一种基于平滑削边绝对偏离(Smoothly Clipped Absolute Deviation,SCAD)惩罚逻辑回归的财务预警模型。该模型不仅能很好地解决模型过拟合问题,而且还可以同时实现变量选择和模型系数估计,并提高了模型的解释性。结合沪深股市A股制造业上市公司的财务数据进行实证研究,同时对比一般的L1正则化和L2正则化逻辑回归模型的预警效果进行实证分析,实验结果表明:SCAD惩罚逻辑回归模型具有较好的分类效果和较强的经济解释能力。
-
关键词
财务预警
逻辑回归
SCAD惩罚
-
Keywords
financial early-warning
logistic regression
SCAD penalty
-
分类号
C811
[社会学—统计学]
-
