Синтез логистической регрессии на принципах самоорганизации моделей

Abstract

В работе решается задача структурно-параметрического синтеза модели логистической регрессии. Предложенный алгоритм осуществляет автоматическую оптимизацию параметров шагового алгоритма многомерной логистической регрессии на принципах самоорганизации моделей. Оптимизация параметров осуществляется с помощью предложенного внешнего критерия баланса, отражающего точность классификации на обучающей и проверочных выборках, с одной стороны, и требование к балансу качества распознавания в каждом классе, с другой. Рассмотрен пример моделирования классификатора функциональных состояний сердечнососудистой системы человека. Сравнение результатов моделирования стандартным и предложенным алгоритмами показало преимущество последнего на экзаменационной выборке данных.

У роботі вирішується завдання структурно-параметричного синтезу моделі логістичної регресії. Запропонований алгоритм здійснює автоматичну оптимізацію параметрів крокового алгоритму багатовимірної логістичної регресії на принципах самоорганізації моделей. Оптимізація параметрів здійснюється за допомогою запропонованого зовнішнього критерію балансу, який відображає точність класифікації на навчальній та перевірочних вибірках, з одного боку, та вимогу до балансу якості розпізнавання в кожному класі, з іншого. Розглянуто приклад моделювання класифікатора функціональних станів серцево-судинної системи людини. Порівняння результатів моделювання за стандартним та запропонованим алгоритмами показало перевагу останнього на екзаменаційній вибірці даних.

The purpose of this article is the improvment the quality of logistic regression classification models due to automatic optimization multivariate binary logistic regression algorithm parameters.