论文部分内容阅读
结合粗糙集的属性约简和Logistic回归的分类机理，提出了一种新的RS-Logistic回归分类模型。模型中采用粗糙集理论在不改变训练集分类质量的前提下进行数据浓缩，提取少量具有代表性的训练子集，然后基于Logistic回归进行分类建模和预测。这样不但降低后验概率估计的计算复杂度，解决Logistic回归的解的稀疏性问题，而且提高了模型的整体分类性能。通过对UCI数据集的仿真实验，验证了该模型的可行性和有效性。