Question

我想在matlab中实现逻辑回归，我有以下几个代码

function B=logistic_regression(x,y)

f=@(a)(sum(y.*log((exp(a(1)+a(2)*x)/(1+exp(a(1)+a(2)*x))))+(1-y).*log((1-((exp(a(1)+a(2)*x)/(1+exp(a(1)+a(2)*x))))))));
a=[0.1, 0.1];
options = optimset('PlotFcns',@optimplotfval);
B = fminsearch(f,a, options);

end

逻辑回归如下：

首先我们计算的logit等于

L = B0 + B1 * X

然后我们计算等于的概率 P = E 1 L /（1 + E ^ L）

最后我们正在计算

Y * LN（P）+（1-γ）* LN（1-p）的

我决定在一行中写下所有这些东西，但是当我运行代码时，它会给我以下错误

>> B=logistic_regression(x,y)
Assignment has more non-singleton rhs dimensions than non-singleton subscripts

Error in fminsearch (line 200)
fv(:,1) = funfcn(x,varargin{:});

Error in logistic_regression (line 6)
B = fminsearch(f,a, options);

我该如何解决这个问题？提前谢谢

Answer 1

为了实现逻辑回归模型，我通常调用glmfit函数，这是更简单的方法。语法是：

 b = glmfit(x,y,'binomial','link','logit');

b是一个向量，包含逻辑回归线性部分的系数（第一个元素是回归的常数项alpha）。 x包含预测变量数据，每个观察一行，每个变量一列。 y包含目标变量，通常是表示结果的布尔值（0或1）的向量。

获得系数后，必须将回归的线性部分应用于预测变量：

z = b(1) + (x * b(2));

要完成，您必须将逻辑函数应用于线性部分的输出：

z = 1 ./ (1 + exp(-z));

如果您需要对数据或输出进行更多修改，并且需要更多灵活性和对模型的控制，我建议您查看此实现：

https://github.com/mohammadaltaleb/Logistic-Regression

matlab中的逻辑回归

1 个答案: