数学建模社区-数学中国
标题:
probit模型与logit模型的相同点，区别及关系
[打印本页]
作者:
2744557306
时间:
2023-11-30 17:36
标题:
probit模型与logit模型的相同点，区别及关系
Probit模型和Logit模型都是常用的统计学习方法，主要用于二分类问题中。
+ E. p5 L) a9 g# v( ]
* z' Y; j! ?" | h
相同点：
! o$ c) g& n& M. R( L8 X4 }# i
6 t1 {1 {: `; c% r2 i' H
它们都是广义线性模型，通过建立数据与概率之间的联系来预测离散响应变量的可能性。
, V: L5 x( n: T$ p K' l% K! x
它们都是基于最大似然估计来确定系数估计值。
0 R: j' T# k; z- ]( E+ Q1 D i3 k
它们都使用正态或标准 logistic 分布对连续响应 (如概率值) 进行转换。
4 A. i$ H! Y( r7 X1 B$ ?
区别：
+ _1 ]& N6 m9 l0 p4 M+ J0 m
: Y) m" K6 _( p# Y) ]: ]8 ?1 o4 c
模型形式不同：Logit模型使用logistic分布函数来连接自变量和二元响应变量之间的关系，而Probit模型则使用正态分布函数。
: k* y! X! i5 l c
拟合效果不同：将同样的数据拟合这两个模型得到的结果通常会不一样，但通常情况下这两者之间的差异并不明显。
, N! I. a+ Z- A8 A, H
解释系数不同：当我们解释一个Probit模型时，各系数代表着在隐变量上提高了多少标准差对 P(Y = 1) 的影响。当解释Logit模型时，每个系数表示因为单位变化而导致的log odds的变化大小。
# H p$ @) B: e9 l1 L, t
关系：
! {; _& t* C T7 a) c4 n' O' w
: b' W0 R' Z7 l8 i' P
尽管 Probit 和 Logit 方法采用不同的连续分布函数，但其核心思想是非常类似的，即通过对响应变量的概率建模，对感兴趣的输出和输入之间的内在联系进行建模，并使用通常最大似然的参数拟合方法估计这些模型参数。因此，这两种方法通常被用于相同的建模问题并产生类似的预测结果。
; {( g! I, v. U8 R; `" T. O: p
) }# K2 o% P3 O
) a. z3 }4 h- q# L" J# v; J
1 E# z1 N" i9 \) m: [! _: W; f) k
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5