或者换句话说它给我们带来了一种因果现象

原因年龄–心脏老化->这是输入或解释变量效果最大心率->这是输出或响应变量数学模型–输入输出请注意在该直线的数学公式中伴随年龄的系数是负数。（男性-女性-）表示反比关系。年龄越大最大心率越低。它看起来好的即使您将年龄输入公式中您也可以了解自己的最大心率。（显然有错误因为这是一个预测）尝试应用直线公式现在您更好地了解了什么是统计模型。特别是线性回归。线性回归和逻辑回归的比较请注意您刚刚看到的线性回归模型使用定量变量作为输出变量。如果输出变量是定性的会发生什么例如定性变量称为。这表明患者的病情是否严重。两组=无重力=有重力现在不能应用线性回归。



我们无法像您之前看到的那样绘制点云。我们可以做什么使用逻辑运算符变换输出变量。该数学运算符试图将组或转换为是否为重症患者的概率。将定性变量转换为数字。什么是概率来源 阿根廷移动的电话数字 维基百科这是关键这样我们就可以使用与线性回归相同的结构。拿我们只是将定性的响应变量转换为定量的概率。好的坚持逻辑回归与线性回归具有相同结构的想法。通过您现在将看到的示例我将帮助您理解我刚刚与您分享的内容。逻辑回归的应用示例当我参加é培训课程时我很喜欢这个例子。想象一下您有有关患有睡眠呼吸暂停问题的人的数据。如果你不知道的话他们在睡觉时会出现呼吸问题。由于颈部肌肉出现问题患有睡眠呼吸暂停的人会停止呼吸几秒钟。






他们整夜频繁地重复这个动作。他们休息不好从长远来看会对心脏健康产生重大影响。您有兴趣分析这些人看看病情何时真正严重何时不严重。有一个变量表明患者的情况是否严重。它是一小时内呼吸暂停的平均次数。如果超过那东西就危险了。如果不超过这个数字就可以认为病情不那么严重。现在您想要的是建立一个模型在了解患者的舒张压的情况下预测病情严重的概率。本研究的目的是找到一个模型来解释患者呼吸暂停严重与否的概率。我们收集了数据并使用了两个变量。我们的数据表是这样的二变量数据表逻辑回归示例定量变量最低血压（舒张压）。这将是输入变量。定性二进制。这将是输出变量。=严重（每小时呼吸暂停超过次）=不严重（每小时呼吸暂停少于次）对于本例您将创建两个定量变量的线性回归。如何您将使用逻辑运算符将输出变量转换为概率。变量是严重的概率。您将把定性变量转换为定量变量。