神经网络、决策树、logistic回归比较

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

多层感知器使用的分析实例（bankload.sav）是否可用径向基函数以及决策树进行分析？如果可以的话，为什么二者的分析结果相差比较大，如自变量的重要性排序等？如果不可以的话，其原因是什么？根据什么来判断采用哪种方法来进行分析？
Bankload.sav实例是否还可用logistic回归进行分析，如果可以的话，为什么二者的结果相差也比较大，到底采用哪个结果比较好？（似乎logistic回归结果更能解释！）
patient_los 这个课件例子都有数据，如病人费用，住院日，被用作多层感知器的分析实例，我想既然费用，住院日数据已有了，还要预测什么呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：logistic回归 logistic logisti ogistic logist 神经网络 logistic 决策树

您好！
1、不同的多层感知器可以有不同的基函数，不同的基函数得出的结果可能不同，这个是很正常的，至于判断哪个方法好，这个就要结合经验和模型的预测精度等综合来决定。
2、只要是用于的分类的，神经网络可以用，logistic也可以用的，对同一个问题，可以用不同的方法研究
3、具体需要预测什么是从研究的问题本身出发，根据自己的研究目的来定

就说分析实例bankload.sav：如果用多层感知器和logistic 回归进行分析，采用的方法基本都是默认状态，按理说结果应该相似，但结果相差还是那么大，就感觉软件的可信度不大，请老师试一下！
另外，对于课件中patient_los分析实例，我还想问一下，这个例子是说明什么呢?这个数据集中费用和住院日都是现成的，再次预测费用和住院日有什么意义呢？

1.多层感知器和logistic 回归是两种不同的方法，都用的默认状态不能说明什么。
得到的结果不一样是一定的。
2.
费用和住院时间是已有的数据，建立模型的目的就是根据现有的数据，估计出模型来，然后根据模型可以去预测未知的费用和住院时间。

模型都是根据现有数据建立模型，根据建立的模型去预测未来的数据