logitboost及其在判别分析中的应用

被引:11
作者
富春枫
荀鹏程
赵杨
陈峰
机构
[1] 南京医科大学流行病与卫生统计学系
基金
高等学校博士学科点专项科研基金;
关键词
logitBoost; 判别分析; 预测; 机器学习; 弃一法交叉验证;
D O I
暂无
中图分类号
R195 [卫生调查与统计];
学科分类号
100401 ;
摘要
目的介绍一种基于机器学习的分类方法-logitBoost在判别分析中的应用。方法结合实例和模拟数据介绍了logitBoost的思想,原理,方法和步骤,就模型的拟合效果与Fisher线性判别、二次判别、logistic回归判别进行了比较,并探讨了“logitBoost判别”的优势及其在医学领域中的应用前景等问题。结果与传统方法相比,logitBoost判别在实例以及模拟数据的应用中,均显现出较好的或相似的模型预测效果。结论当传统的判别分析条件得不到满足,或判别效果不佳时,logitBoost能够达到良好的预测效果,在医学领域的判别分析中有较好的应用前景。
引用
收藏
页码:98 / 100
页数:3
相关论文
共 2 条
[1]  
An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting, and Randomization[J] . Thomas G. Dietterich.Machine Learning . 2000 (2)
[2]   THE STRENGTH OF WEAK LEARNABILITY [J].
SCHAPIRE, RE .
MACHINE LEARNING, 1990, 5 (02) :197-227