對時變預測變量數據的Logistic迴歸（分類技術）

我想知道是否可以將分類技術（如Logistic迴歸）應用於其變量/預測變量按時間「索引」的數據。或者，如果不是，哪種分類技術適用於這些類型的數據。如果我有一個因變量Y，其值爲0或1（對於二進制案例分類）或1,2,3，...（對於'多'分類）。對時變預測變量數據的Logistic迴歸（分類技術）

而且我這是 '索引' 的時間，即，X1T1，X1T2，...，X1Tn，X2T1，X2T2，...，X2Tm，... XpTk，

，其中預測變量

X1T1 = values of variable X1 at time 1 (T1) 
X1T2 = values of variable X1 at time 2 (T2) 
    . 
    . 
X1Tn = values of variable X1 at time n (Tn) 
X2T1 = values of variable X2 at time 1 (T1) 
X2T2 = values of variable X2 at time 2 (T2) 
    . 
    . 
X2Tm = values of variable X2 at time m (Tm) 
    . 
    . 
    . 
XpTk = values of variable Xp at time k (Tk)

其中n，M，K = 1,2，...（可變的時間 '索引'） p = 1,2，...（預測變量的＃）。

對於數據視圖，我們有;

Obs Y X1T1 X1T2 ... X1Tn X2T1 X2T3 ... X2Tm ... XpTk 
    1 .  .  .  .  .  .  .   . 
    2 .  .  .  .  .  .  . ... . 
    . 
    . 
    . 
    N .  .  .  .  .  .  . ... .

我可以申請對這些類型的數據的分類技術，就好說了，Logistic迴歸（或像基於樹的方法「多」範疇響應變量其他分類技術。）非常感謝！

來源

2016-03-21 Karl_R

您可以使用您的數據來擬合Logistic迴歸模型。但是，結果可能不太好，因爲算法會獨立考慮每個變量。

使用你的數據來擬合LR模型的一種方法是創建新的變量，這些變量可以被認爲是彼此獨立的，並且保留足夠的信息來表示你的原始數據。

例如）

newvar1 = mean(X1T1, X1T2, ..., X1Tn), 
newvar2 = sd(X1T1, X1T2, ..., X1Tn), 
newvar3 = mean increasing ratio(X1T1, X1T2, ..., X1Tn) 
...

這樣，您就可以使用您的數據，以滿足LR模型，儘管新變量的例子是不夠的。

來源

2016-10-08 15:43:27

對時變預測變量數據的Logistic迴歸（分類技術）

回答

相關問題