线性回归和logistic回归模型最大的区别在于因变量的类型不同
对
举一反三
- 逻辑回归也被称为广义线性回归模型，它与线性回归模型的形式基本上相同，最大的区别就在于它们的因变量不同，如果是连续的，就是多重线性回归；如果是二项分布，就是 Logistic回归。
- 一元线性回归模型和多元线性回归模型的区别在于只有一个（ ） A: 因变量 B: 自变量 C: 相关系数 D: 回归系数
- 以下要求因变量为定量变量的为 A: 多重线性回归 B: 二分类Logistic回归 C: 多分类Logistic回归 D: Cox回归
- 一元线性回归模型与多元线性回归模型的区别在于【】 A: 因变量 B: 自变量 C: 相关系数 D: 判定系数
- 一元线性回归模型和多元线性回归模型的区别在于 A: 因变量的个数不同 B: 自变量的个数不同 C: 相关系数的大小不同 D: 判定系数的大小不同
内容
- 0
应用logistic回归模型要求因变量的类型是（）
- 1
logistic 回归也称为 logit 模型，是对分类变量进行回归分析时最为常用的一种方法。与多重线性回归类似，logistic 回归也是研究自变量对因变量影响的方法，不过这里的因变量必须是分类变量。logistic 回归适用于应变量为（ ）。 A: 正态分布资料 B: 分类变量资料 C: 一般资料 D: 数值变量资料
- 2
一元线性回归模型和多元线性回归模型的区别在于只有一个:
- 3
Logit模型与多元线性回归比较( ) A: Logit模型的因变量为二分变量 B: 多元线性回归的因变量为二分变量 C: Logit模型和多元线性回归的因变量都可为二分变量 D: Logit模型的自变量必须是二分类变量
- 4
Logistic回归模型可用于处理因变量中含有定性变量的问题。