目录

1.简介

2.样例-二元

1.对于预测结果不理想，在logistics模型里加入平方项交互项等。

2.如果自变量有分类变量（如男女，行业有互联网行业、旅游行业……）

3.分训练集、测试集

4.fisher线性判别分析

3.样例-多元

---

注意：代码文件仅供参考，一定不要直接用于自己的数模论文中
国赛对于论文的查重要求非常严格，代码雷同也算作抄袭
如何修改代码避免查重的方法：https://www.bilibili.com/video/av59423231   //清风数学建模

1.简介

根据已知大部分变量和结果，创建模型，对仅有变量的数据推断结果。像我之前写的RNN心脏病预测似的。

2.样例-二元

这里以根据因变量（质量、颜色等）判断水果种类（橘子苹果）。这种问题算0-1回归（最终结果只有是苹果和不是苹果 01处理）我们用logistics回归模型。

f1=@(x) normcdf(x);  % 标准正态分布的累积分布函数 
fplot(f1, [-4,4]);  % 在-4到4上画出函数f1的图形
hold on;  % 不关闭作图窗口
grid on;   % 显示网格线
f2=@(x) exp(x)/(1+exp(x));  % Sigmoid函数
fplot(f2, [-4,4]);  % 在-4到4上画出函数f2的图形
legend('标准正态分布的cdf','sigmoid函数','location','SouthEast')

 以上生成个图说明？（好像对求解没大用）

进入SPSS后，点击分析-回归-二元logistics

 当然这种直接生成准确率堪忧，可以对照已知数据和推测数据进行比较。因此要进行优化

1.对于预测结果不理想，在logistics模型里加入平方项交互项等。

转换-计算变量-选中后可处理

 后续同上操作时，可以mass、m2都选。

2.如果自变量有分类变量（如男女，行业有互联网行业、旅游行业……）

转换-创建虚拟变量-然后删除任意一列以排除完全多重线性影响

3.分训练集、测试集

比较像深度学习了

4.fisher线性判别分析

分析-分类-判别式

分组变量（y）：定义范围0-1（多个变量如4个可以1-4）统计勾选费希尔、未标准化，分类勾摘要表，保存勾第一个第三个 

3.样例-多元

比如要判断苹果、橘子、柠檬、橙子，四种元，不再是非0即1了。

可以用上面的fisher线性判别分析，分组变量的定义范围就可以1-4了。

也可以用分析-回归-多元logistics分析