此外， 邏輯斯蒂(logistic)回歸又稱logistic回歸分析，主要在流行病學(xué)中應(yīng)用較多，比較常用的情形是探索某疾病的危險(xiǎn)因素，根據(jù)危險(xiǎn)因素預(yù)測某疾病發(fā)生的概率，等等。例如，想探討胃癌發(fā)生的危險(xiǎn)因素，可以選擇兩組人群，一組是胃癌組，一組是非胃癌組，兩組人群肯定有不同的體征和生活方式等。這里的因變量就是是否胃癌，即“是”或“否”，為兩分類變量，自變量就可以包括很多了，例如年齡、性別、飲食習(xí)慣、幽門螺桿菌感染等。自變量既可以是連續(xù)的，也可以是分類的。通過logistic回歸分析，就可以大致了解到底哪些因素是胃癌的危險(xiǎn)因素。
　　logistic回歸與多重線性回歸實(shí)際上有很多相同之處，最大的區(qū)別就在于他們的因變量不同，其他的基本都差不多，正是因?yàn)槿绱?#xff0c;這兩種回歸可以歸于同一個(gè)家族，即廣義線性模型（generalized linear model）。這一家族中的模型形式基本上都差不多，不同的就是因變量不同，如果是連續(xù)的，就是多重線性回歸，如果是二項(xiàng)分布，就是logistic回歸，如果是poisson分布，就是poisson回歸，如果是負(fù)二項(xiàng)分布，就是負(fù)二項(xiàng)回歸，等等。只要注意區(qū)分它們的因變量就可以了。
　　logistic回歸的因變量可以是二分類的，也可以是多分類的，但是二分類的更為常用，也更加容易解釋。所以實(shí)際中最為常用的就是二分類的logistic回歸。
　　logistic回歸的主要用途：一是尋找危險(xiǎn)因素，正如上面所說的尋找某一疾病的危險(xiǎn)因素等。二是預(yù)測，如果已經(jīng)建立了logistic回歸模型，則可以根據(jù)模型，預(yù)測在不同的自變量情況下，發(fā)生某病或某種情況的概率有多大。三是判別，實(shí)際上跟預(yù)測有些類似，也是根據(jù)logistic模型，判斷某人屬于某病或?qū)儆谀撤N情況的概率有多大，也就是看一下這個(gè)人有多大的可能性是屬于某病。
　　 邏輯斯蒂映射的形式為

x_(n+1)=ax_n(1-x_n)，

其中a是參數(shù),當(dāng)a>=3.569946時(shí)，x的值不再振蕩，進(jìn)入混沌，在此之前，x的值處于穩(wěn)定狀態(tài),a值較小時(shí)，穩(wěn)定在某個(gè)固定值，較大時(shí)，穩(wěn)定在某個(gè)周期內(nèi)

因此，利用a>=3.569946時(shí)，可以產(chǎn)生偽隨機(jī)數(shù)，因?yàn)榇藭r(shí)x值不穩(wěn)定，無法預(yù)測。具體原理如下 ：

總結(jié)

以上是生活随笔為你收集整理的AI理论知识基础（22）-逻辑斯蒂映射-伪随机数的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。