论文部分内容阅读
在数据挖掘中，我们经常寻求建模的现象是离散而不是连续的。也就是模型的被解释变量是定性的而不是定量的。比如，二元变量：买房，不买房；定类变量：对某个候选人的态度，赞成，反对和弃权；定序变量：信用等级1，2，3，4，5。此时要求模型预测的是将某个个案分到某个类的概率，概率越大的事情越可能发生，进而预测可能的类别。对此类问题在数据挖掘中使用logistic回归显示出强大的处理能力。