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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Safeguarding Personal Health Information: Case Study Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

58. Selection of Transformations of Continuous Predictors in Logistic Regression

verfasst von : Michael Chang, Rohan J. Dalpatadu, Ashok K. Singh

Erschienen in: Information Technology - New Generations

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

The binary logistic regression is a machine learning tool for classification and discrimination that is widely used in business analytics and medical research. Transforming continuous predictors to improve model performance of logistic regression is a common practice, but no systematic method for finding optimal transformations exists in the statistical or data mining literature. In this paper, the problem of selecting transformations of continuous predictors to improve the performance of logistic regression models is considered. The proposed method is based upon the point-biserial correlation coefficient between the binary response and a continuous predictor. Several examples are presented to illustrate the proposed method.

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 Speech Features Analysis for Tone Language Speaker Discrimination Systems
Nächstes Kapitel A Generic Approach to Efficiently Parallelize Legacy Sequential Software
Literatur
1.
M.H. Kutner, C.J. Nachtsheim, J. Neter, Applied Linear Regression Models, 4th edn. (McGraw-Hill Higher Education, Boston, 2004), pp. 129–141
2.
F.E. Harrell, Regression Modeling Strategies: With Applications to Linear Models, Logistic Regression, and Survival Analysis (Springer Science & Business Media, New York, 2001), pp. 7–10CrossRef
3.
E.W. Steyerberg, Clinical Prediction Models: A Practical Approach to Development, Validation, and Updating (Springer Science & Business Media, New York, 2008), pp. 57–58
4.
R. Kay, S. Little, Transformations of the explanatory variables in the logistic regression model for binary data. Biomelrika 74(3), 495–501 (1987)MathSciNetCrossRef
5.
H.C. Kraemer, Correlation coefficients in medical research: from product moment correlation to the odds ratio. Stat. Methods Med. Res. 15, 525–545 (2006)MathSciNetCrossRef
6.
7.
F. Guillet, H. Hamilton, J. (eds.), Quality Measures in Data Mining, vol 43 (Springer, New York, 2007)MATH
8.
G. James, D. Witten, T. Hastie, R. Tibshirani, An Introduction to Statistical Learning, vol 6 (Springer, New York, 2013)CrossRef
9.
D.W. Hosmer Jr., H. Lemeshow, Applied Logistic Regression (Wiley, New York, 2004)MATH
10.
F. Cady, The Data Science Handbook (Wiley, New York, 2017), pp. 118–119
11.
D.M.W. Powers, Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation. J. Mach. Learn. Technol. 2(1), 37–63 (2011)MathSciNet
12.
J. Fox, G. Monette, Generalized collinearity diagnostics. J. Am. Stat. Assoc. 87, 178–183 (1992)CrossRef
13.
E.W. Steyerberg, A.J. Vickers, N.R. Cook, T. Gerds, M. Gonen, N. Obuchowski, M.J. Pencina, M.W. Kattan, Assessing the performance of prediction models: a framework for some traditional and novel measures. Epidemiology 21(1), 128–138 (2010)CrossRef
14.
M. Bozorgi, K. Taghva, A.K. Singh, Cancer survivability with logistic regression, in Computing Conference 2017, London, July 2017, pp. 18–20
15.
Y. Zhao, R and Data Mining: Examples and Case Studies (Academic Press, London, 2012), pp. 90–92
Metadaten
Titel
Selection of Transformations of Continuous Predictors in Logistic Regression
verfasst von
Michael Chang
Rohan J. Dalpatadu
Ashok K. Singh
Copyright-Jahr
2018
Buch
Information Technology - New Generations

Print ISBN: 978-3-319-77027-7

Electronic ISBN: 978-3-319-77028-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-77028-4_58

Premium Partner

    Bildnachweise