matlab下的logistic回归分析

Logistic回归

logistic回归主要用来预测离散因变量（分类因变量）与一组解释变量（自变量）之间的关系。最常用的是二分类logistic，即因变量的取值只包含两个类别，例如：“好”和“坏” ；“发生”和“不发生”。那么，因变量常用Y=1（发生）或Y=0（不发生）表示， X则表示自变量。

例：企业到金融商业机构贷款，金融商业机构需要对企业进行评估。评估结果为 0 , 1 两种形式，0 表示企业两年后破产，将拒绝贷款，而 1 表示企业 2 年后具备还款能力，可以贷款。在表 6 中，已知前 20 家企业的三项评价指标值和评估结果，试建立模型对其他 5 家企业（企业 21-25）进行评估。

%% 数据准备
clear all
clc
X0=xlsread('logistic_ex1.xlsx', 'A2:C21'); % 回归模型的输入
Y0=xlsread('logistic_ex1.xlsx', 'D2:D21'); % 回归模型的输出
X1=xlsread('logistic_ex1.xlsx', 'A2:C26'); % 预测数据的输入
%---------------------------------------------------------
%Logistic函数
GM=fitglm(X0,Y0,'Distribution','binomial');
Y1=predict(GM,X1);

%%模型的评估
N0=1:size(Y0,1);N1=1:size(Y1,1);
plot(N0',Y0,'-kd')
hold on
scatter(N1',Y1,'b')
xlabel('数据点编号')

fitglm函数，将数据传入后，第三个参数表示离散分布，第四个参数表示二项分布,此函数返回一个Model（官方文档就叫这个)

在predict函数中，第一个参数传入的参数类型就是Model，所以将上面函数得到的返回值传入，然后将需要预测的数据输入，既得预测的结果Y1。

scatter函数，画气泡图的函数