Classifying an observation into one

Classifying an observation into one of several populations is discriminant analysis, or classification. Relating qualitative variables to other variables through a logistic cdf functional form is logistic regression. Estimators generated for one of these problems are often used in the other. If the populations are normal with identical covariance matrices, discriminant analysis estimators are preferred to logistic regression estimators for the discriminant analysis problem. In most discriminant analysis applications, however, at least one variable is qualitative (ruling out multivariate normality). Under nonnormality, we prefer the logistic regression model with maximum likelihood estimators for solving both problems. In this article we summarize the related arguments, and report on our own supportive empirical studies.

ผลลัพธ์ (ไทย) 1:

ประเภทที่สังเกตในประชากรหลายอย่างใดอย่างหนึ่งคือ การวิเคราะห์ discriminant หรือประเภท ตัวแปรเชิงคุณภาพที่เกี่ยวข้องกับตัวแปรอื่น ๆ ผ่านทางฟอร์มทำงานโลจิสติกส์ cdf คือ ถดถอยโลจิสติก Estimators ที่สร้างปัญหาเหล่านี้อย่างใดอย่างหนึ่งมักใช้ในอื่น ๆ หากประชากรกลุ่มปกติ มีแปรปรวนเหมือนเมทริกซ์ estimators discriminant วิเคราะห์ที่ต้องการถดถอยโลจิสติก estimators discriminant วิเคราะห์ปัญหา ในโปรแกรมส่วนใหญ่ในการวิเคราะห์ discriminant แต่ อย่างน้อยหนึ่งตัวแปรเป็นเชิงคุณภาพ (ปกครองจากคัมภีร์พระไตรปิฎกว่าแบบหลายตัวแปร) ภายใต้ nonnormality เราชอบแบบถดถอยโลจิสติกกับ estimators โอกาสสูงสุดในการแก้ปัญหาทั้งสอง ในบทความนี้ เราสรุปอาร์กิวเมนต์ที่เกี่ยวข้อง และรายงานการศึกษาเชิงประจักษ์ของเราเองให้การสนับสนุน

ผลลัพธ์ (ไทย) 2:

การจำแนกสังเกตเป็นหนึ่งในประชากรหลายคือการวิเคราะห์จำแนกหรือการจัดหมวดหมู่ ที่เกี่ยวข้องกับตัวแปรเชิงคุณภาพกับตัวแปรอื่น ๆ ผ่านทางรูปแบบการทำงานโลจิสติก CDF คือการถดถอยโลจิสติก ประมาณที่สร้างขึ้นสำหรับหนึ่งในปัญหาเหล​​่านี้มักจะใช้ในการอื่น ๆ หากประชากรเป็นเรื่องปกติท​​ี่มีการฝึกอบรมความแปรปรวนเหมือนประมาณวิเคราะห์จำแนกเป็นที่ต้องการในการประมาณค่าการถดถอยโลจิสติกสำหรับปัญหาการวิเคราะห์จำแนก ในส่วนการใช้งานการวิเคราะห์จำแนก แต่อย่างน้อยหนึ่งตัวแปรเชิงคุณภาพ (การปกครองออกเป็นปกติหลายตัวแปร) ภายใต้ nonnormality เราชอบแบบการถดถอยโลจิสติกที่มีประมาณโอกาสสูงสุดสำหรับการแก้ปัญหาทั้งสอง ในบทความนี้เราสรุปข้อโต้แย้งที่เกี่ยวข้องและรายงานเกี่ยวกับการศึกษาเชิงประจักษ์ของเราเองสนับสนุน

ผลลัพธ์ (ไทย) 3:

ข้อมูลการสังเกตที่เป็นหนึ่งในประชากรหลายกลุ่ม หรือการวิเคราะห์ การจำแนก ที่เกี่ยวข้องกับตัวแปรเชิงคุณภาพกับตัวแปรอื่น ๆผ่านทางโลจิสติก CDF หน้าที่ฟอร์มถดถอยโลจิสติก . วิธีการสร้างหนึ่งของปัญหาเหล่านี้มักใช้ในอื่น ๆ ถ้าประชากรที่เป็นปกติกับเมทริกซ์ความแปรปรวนร่วมที่เหมือนกัน วิธีการการวิเคราะห์ที่ต้องการการถดถอยโลจิสติกวิธีการเพื่อแก้ปัญหาการวิเคราะห์จำแนก ในการใช้งานการวิเคราะห์จำแนกมากที่สุด แต่อย่างน้อยหนึ่งตัวแปรเชิงคุณภาพ ( ปกครองออกแบบปกติ ) ภายใต้ nonnormality เราชอบแบบการถดถอยโลจิสติกกับการประมาณความควรจะเป็นสูงสุดทั้งปัญหา ในบทความนี้เราสรุปที่เกี่ยวข้องกับข้อโต้แย้งและรายงานของเราเองสนับสนุนการศึกษาเชิงประจักษ์