Random Lasso在Logistic模型中的应用研究--基于心脏病诊断数据集

《Random Lasso在Logistic模型中的应用研究--基于心脏病诊断数据集》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名（中英对照）：RandomLasso在Logistic模型中的应用研究——基于心脏病诊断数据集StudyontheApplicationsofRandomLassoinLogisticModel-BasedonHeartDiseaseDiagnosisDataSet作者姓名：耿莹指导教师姓名：姜云卢及学位、职称：博士副教授学科、专业名称：统计学应用统计学位类型：专业学位论文提交日期：2018年6月论文答辩日期：2018年6月答辩委员会主席：论文评阅人：学位授予单位和日期：暨南大学2018年7月摘要在现在

2、的信息化大数据时代，获取的数据信息太多太杂，同时，搜集的变量也越多，从中提取有价值的变量来建模造成了一定的困难。因此，通过有效的变量选择方法来对模型进行处理就变得非常重要。广义线性模型是实际中应用非常广泛的模型，虽然变量选择问题在该模型中的研究和应用已有不少，但在处理高维并且具有强相关性的数据的变量选择方法在该领域研究较少。本文将RandomLasso方法推广至广义线性模型中做变量选择，并应用在疾病诊疗领域。通过对一组疾病诊疗数据建立Logistic分类模型，从而判断疾病的分类。本文还将RandomLasso方法与常见的Las

3、so、ElasticNet和AdaptiveLasso变量选择方法进行对比，评价各方法下的模型分类性能。通过绘制ROC曲线并计算曲线下面积AUC的值，同时结合其他分类评价指标，得出RandomLasso方法下建立的模型分类效果比其余三种常见变量选择方法的效果显著。关键词：RandomLasso；变量选择方法；Logistic模型；分类IAbstractInthecurrentinformationageoflargedata,thedatainformationobtainedistoomuchandtoocomplicate

4、d.Atthesametime,moreandmorevariablesarecollected,itisdifficulttoextractvaluablevariablesfromit.Therefore,itisveryimportanttoprocessthemodelthrougheffectivevariableselectionmethods.Thegeneralizedlinearmodelisaverywidelyusedmodelinpractice.Therehavebeenmanystudiesanda

5、pplicationsofvariableselectioninthismodel,howeverthevariableselectionmethodsdealingwithhighdimensionalandstronglycorrelateddataarerarelystudiedinthisfield.Inthispaper,theRandomLassomethodisextendedtoageneralizedlinearmodelforvariableselection,andappliedinthefieldofd

6、iseasediagnosisandtreatment.ThroughtheestablishmentofLogisticclassificationmodelforasetofdiseasediagnosisandtreatmentdata,thediseaseclassificationcanbejudged.ThispaperalsocomparestheRandomLassomethodwiththecommonvariableselectionmethods,suchasLasso,ElasticNetandAdap

7、tiveLassomethods,toevaluatethemodelclassificationperformanceundereachmethod.ByplottingtheROCcurveandcalculatingtheAUCvalueoftheareaunderthecurve,andcombiningwithotherclassificationevaluationindicators,itisconcludedthatthemodelclassificationeffectestablishedbytheRand

8、omLassomethodisbetterthantheotherthreecommonvariableselectionmethods.Keywords:RandomLasso;Variableselectionmethod;Logisticmodel;Classifica