Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
High Order Whitney Forms on Simplices and the Question of Potentials Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Logistic Regression for Prospectivity Modeling

verfasst von : Samuel Kost, Oliver Rheinbach, Helmut Schaeben

Erschienen in: Numerical Mathematics and Advanced Applications ENUMATH 2019

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Regression models are often employed in prospectivity modeling for the targeting of resources. Logistic regression has a well understood statistical foundation and uses an explicit model from which knowledge can be gained about the underlying phenomenon. In this paper, a model selection procedure based on logistic regression enhanced with nonlinearities is proposed. The method is designed to help the researcher in the model building process and can also be used as preprocessing step for other machine learning algorithms such as neural networks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Modelling of the Influence of Vegetative Barrier on Particulate Matter Concentration Using OpenFOAM
Nächstes Kapitel A Monge-Ampère Least-Squares Solver for the Design of a Freeform Lens
Literatur
1.
W.W. Hauck Jr. and A. Donner. Wald’s test as applied to hypotheses in logit analysis. Journal of the American Statistical Association, 72:851–853, 1977.MathSciNetMATH
2.
D.W. Hosmer, S. Lemeshow, and R.X. Sturdivant. Applied Logistic Regression. Wiley Series in Probability and Statistics, 3rd edition, 2013.
3.
G. King and Z. Langche. Logistic regression in rare events data. Political Analysis, 9:137–163, 2001.CrossRef
4.
G. King and M.E. Roberts. How robust standard errors expose methodological problems they do not fix, and what to do about it. Political Analysis, 23:159–179, 2014.CrossRef
5.
6.
P. Komarek and A. Moore. Making logistic regression a core data mining tool: A practical investigation of accuracy, speed, and simplicity. Technical Report CMU-RI-TR-05-27, Carnegie Mellon University, 2005.
7.
C-J. Lin, R.C. Weng, and S.S. Keerthi. Trust region newton method for large-scale logistic regression. Journal of Machine Learning Research, 9:627–650, 2008.MathSciNetMATH
8.
M. Lin, H.C. Lucas, and G. Shmueli. Too big to fail: Large samples and the p-value problem. Information Systems Research, 24:906–917, 2013.CrossRef
9.
R. Malouf. A comparison of algorithms for maximum entropy parameter estimation. In Proc. of the Sixth Conf. on Natural Language Learning, volume 20, pages 49–55, 2002.
10.
C.F. Manski and S.R. Lerman. The estimation of choice probabilities from choice based samples. Econometrica, 45:1977–1988, 1977.MathSciNetCrossRef
11.
12.
13.
H. Schaeben. A mathematical view of weights-of-evidence, conditional independence, and logistic regression in terms of Markov random fields. Math. Geosci., 46:691–709, 2014.MathSciNetCrossRef
14.
H. Schaeben. Testing joint conditional independence of categorical random variables with a standard log-likelihood ratio test. In Handbook of Mathematical Geoscience, chapter 3. SpringerLink, 2018.
15.
H. Schaeben, S. Kost, and G. Semmler. Popular raster-based methods of prospectivity modeling and their relationships. Math. Geosci., pages 1–27, 2019.
16.
H. Withe. A heteroskedasticitsy-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica, 48:817–838, 1980.MathSciNetCrossRef
Metadaten
Titel
Logistic Regression for Prospectivity Modeling
verfasst von
Samuel Kost
Oliver Rheinbach
Helmut Schaeben
Copyright-Jahr
2021
Buch
Numerical Mathematics and Advanced Applications ENUMATH 2019

Print ISBN: 978-3-030-55873-4

Electronic ISBN: 978-3-030-55874-1

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-55874-1_81