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。
% p; h2 ?) f1 E7 }& ?. H. D
8 b3 Y; Y: g6 n& Q
相同点：
' a+ f4 [8 a! P+ h& I
) f/ }- y0 X8 l& D. \# n
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。
2 j2 m) z7 {% V1 a+ g5 V
它们都是基于最大似然估计来确定系数估计值。
" Y) B5 g G6 @5 T* L* h9 H) R
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。
& N! K' U6 l5 z* D* ?% f4 e. g; |
区别：
( C" k/ \' G' K8 {* d' d5 |" y
# I! I H" m: r3 u. m
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。
, T4 b- C. R. J& L: O
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。
9 X# l/ }9 t4 l1 }) E
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。
# X% K+ y0 }% ?6 I: ~
关系：
3 N) z T: [* E; A1 G
% r7 H3 @( Z- U" d- n* k$ g' o/ u
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。
+ C: x I0 K- B0 f+ I: E
. f2 D+ b& @' u) |% L. \
7 m7 @5 F6 X. b; N: u: j* I2 e
; d6 X4 m0 d8 B; U! b0 D+ E2 Q; v* e
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5