เปรียบเทียบวิธี

	การวิเคราะห์จำแนกแบบทนทาน	การถดถอยโลจิสติก
สาขาวิชา	สถิติศาสตร์	สถิติการวิจัย
ตระกูล	Regression model	Process / pipeline
ปีกำเนิด	1997	1958
ผู้ริเริ่ม	Hawkins & McLachlan (high-breakdown LDA); Croux & Dehon (S-estimator robust LDA)	David Roxbee Cox
ประเภท	Robust classification / discriminant analysis	Method
แหล่งต้นตำรับ	Hawkins, D. M. & McLachlan, G. J. (1997). High Breakdown Linear Discriminant Analysis. Journal of the American Statistical Association, 92(437), 136-143.	Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242.
ชื่อเรียกอื่น	robust LDA, high-breakdown discriminant analysis, MCD-based discriminant analysis, Robust Diskriminant Analizi	logit model, binomial logistic regression, LR
ที่เกี่ยวข้อง	5	3
สรุป	Robust Discriminant Analysis is a classification method that separates groups with a linear discriminant function while resisting the influence of outliers. It replaces the classical mean and covariance with a high-breakdown estimator such as the Minimum Covariance Determinant (MCD), an approach developed by Hawkins & McLachlan (1997) and Croux & Dehon (2001).	Logistic regression is a statistical method for modeling the probability of a binary outcome (disease present/absent, success/failure) as a function of continuous and categorical predictors. Developed by David Roxbee Cox (1958), it solves the problem of predicting categorical outcomes by applying a logistic transformation to constrain predictions to the [0,1] probability interval, enabling accurate risk stratification, diagnostic prediction, and causal inference in epidemiology, medicine, and social science.