Process / pipelineclassification-prediction
逻辑回归
逻辑回归是一种统计方法，用于将二元结果（疾病存在/缺席、成功/失败）的概率建模为连续和分类预测变量的函数。它由David Roxbee Cox在1958年开发，通过应用逻辑变换将预测值约束在[0,1]的概率区间内，解决了预测分类结果的问题，从而能够实现流行病学、医学和社会科学中准确的风险分层、诊断预测和因果推断。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+79 more
来源
- Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. DOI: 10.1111/j.2517-6161.1958.tb00292.x ↗
- Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons. DOI: 10.1002/9781118548387 ↗
如何引用本页
ScholarGate. (2026, June 4). Binary Logistic Regression. ScholarGate. https://scholargate.app/zh/research-statistics/logistic-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →被引用于
主动学习逻辑回归AdaBoostARFIMA：分数阶积分自回归滑动平均模型贝叶斯病例对照研究贝叶斯剂量-反应分析贝叶斯 k-近邻算法贝叶斯逻辑回归贝叶斯概率模型贝叶斯统计推断Beneish M-Score：识别盈余操纵Beta回归Bradley-Terry 模型CatBoost因果中介分析（自然直接效应和自然间接效应）皮尔逊卡方独立性检验反事实解释Cox比例风险模型Cramer's V信用风险模型（Merton、KMV、CreditMetrics）信用评分（评分卡、WoE/IV）交叉分类分析决策树判别分析剂量-反应实验设计与分析双重稳健估计（AIPW）弹性网络 (Elastic Net)可解释决策树可解释朴素贝叶斯公平感知机器学习Gamma回归（GLM）广义线性模型 (GLM)梯度提升（Gradient Boosting）图注意力网络Heckman样本选择模型（Heckit / Tobit II型）零值模型（Hurdle Model）逆概率治疗加权法 (IPW / IPTW)K-Nearest NeighborsLasso 回归LightGBM线性判别分析 (LDA)线性判别分析 (LDA最大似然估计模型校准调节（交互）分析多层感知机 (MLP)多层感知机 (MLP)多层模型多元逻辑回归多项逻辑回归多元线性回归多元回归分析多元多重线性回归朴素贝叶斯 (Naive Bayes) 是一种快速的概率分类器，它应用贝叶斯定理，同时假设特征在给定类别时是条件独立的负二项回归非线性面板数据分析普通最小二乘法 (OLS) 回归有序逻辑回归（有序 Logit/Probit）有序逻辑回归有序逻辑回归（比例优势模型）泊松回归与负二项回归Probit 回归模型倾向得分匹配双比例z检验随机森林正则化朴素贝叶斯岭回归（Ridge Regression）风险调整病例对照研究风险调整 Cox 比例风险模型风险调整横断面流行病学研究风险调整的诊断准确性研究风险调整剂量-反应分析风险调整筛查试验评估稳健判别分析稳健逻辑回归鲁棒朴素贝叶斯稳健泊松回归稳健Probit模型半监督朴素贝叶斯半监督支持向量机SHAP (SHapley Additive exPlanations)简单线性回归堆叠法随机梯度下降 (SGD)支持向量机（分类）生存分析Tobit删失回归模型Transformer (NLP)XGBoost零膨胀泊松（ZIP）回归