logistic回归模型的优点和缺点？
1. Logistic回归的优缺点
Logistic优点：
模型简单，速度快，适合二分类问题
简单易于理解，直接看到各个特征的权重
能容易地更新模型吸收新的数据
Logistic缺点：
Logistic是个弱分类器，对数据和场景的适应能力有局限性，不如决策树算法学习能力那么强
怎样使用logistic回归模型？
logistic回归模型，主要是用来对多因素影响的事件进行概率预测，它是普通多元线性回归模型的进一步扩展，logistic模型是非线性模型。
比如说我们曾经做过的土地利用评价，就分别用多元线性回归模型和Logistic模型进行试验。
影响耕地的因素假设有高程、土壤类型、当地人口数量和GDP总量，把上述四种因素作为自变量，某块地是否为耕地的概率为P，即应变量。
然后根据已经有的样本数据，求出logistic模型的系数，一般用最大似然法结合牛顿—拉斐逊法解系数，求出F(P)=G(高程，土壤，人口，GDP）的一个回归函数，即Logistic模型，然后把全地区的数据代入上式，求出每个地方是否为耕地的概率，用来对土地利用的评价提供科学的依据。
希望我的答案能让你满意，我以前就是做这方面研究的。
多水平logistic模型是什么？
常规的logistic回归模型只有固定效应，而多水平模型包括固定效应和随机效应，研究个体水平和群体水平对结局变量的影响。
logit和logistic模型的区别？
区别如下；
一、意思不同
logistic回归是概率模型，非线性表达式，其线性表达式即logit回归。logistic回归计算的是P，而logit回归计算的是logit(p)。logistic属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。
二、参照不同
Logit是把其中的一种选择作为另一种选择的参照，而Logistic是把一件事不发生作为这件事发生的参照。模型上完全一致。只不过由于Logit选取了一种选择项作为参照，因此在模型中的一个参数对应两个变量，分别对应两种选择项。而Logistic由于参照对象是事件的不发生，即事件自身，因此一个参数只对应一个变量。但是本质完全一样。
三、模式不同
Logit模型的左侧是Odds的对数，而Logistic模型的左侧是概率。
Logit模型的右侧是一个线性结构，而Logistic模型的右侧是非线性的。
rici模型的适用性？
logistic 模型也称“S”型模型，可以用来描述种群个体数目增长变化的过程，不太适用于世界人口增长过程。因为人的社会性太强，不完全受生物环境的控制。
logistic模型适用于定性资料吗？
logistic 线性回归模型，其因变量是二项分布，可以是0 1变量，也可以是类别变量。 主要取决于因变量的分布状态。可以分析影响不同类型结果的原因。 经济学、社会学、医学、工业等领域都可以使用。 对于因变量的合理设定以及对于影响因素的合理分析是正确使用这个模型的关键。
logistics模型用什么软件做？
logistics模型用spss和elm软件做。
logit模型也叫Logistic模型,服从Logistic分布.
probit模型服从正态分布.
两个模型都是离散选择模型的常用模型.但logit模型简单直接,应用更广.
离散选择模型的软件很多,有limdep,elm、nlogi等。
logistic和logistical区别？
logit和logistic模型的区别一、主体不同
1、logit模型：是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。
2、logistic模型：又称logistic回归分析，logistic回归的因变量可以是二分非线性差分方程类的，也可以是多分类的。
二、特点不同
1、logit模型：因变量不是常规的连续变量，而是对数发生比率，尽管每个自变量的估计系数含义与一般线性回归一样，数的经济学含义，较方便的做法是将Logit进行转换后再进行解释，而不是直接解释系数本身,即将回归模型等式两侧取自然指数。
2、logistic模型：如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。
谁知道什么是“logit模型”？
另外，向你推荐一本不错的书：王济川、郭志刚，Logistic回归模型——方法与应用，北京：高等教育出版社，2001。浏览一下这三本书的相关内容，你基本上可以弄清楚概率估计模型，至于网上有没有电子版的书我就不太清楚了。这里，我可以先简单的回答你这个问题。
首先，通常人们将“Logistic回归”、“Logistic模型”、“Logistic回归模型”及“Logit模型”的称谓相互通用，来指同一个模型，唯一的区别是形式有所不同：logistic回归是直接估计概率，而logit模型对概率做了Logit转换。不过，SPSS软件好像将以分类自变量构成的模型称为Logit模型，而将既有分类自变量又有连续自变量的模型称为Logistic回归模型。至于是二元还是多元，关键是看因变量类别的多少，多元是二元的扩展。
其次，当因变量是名义变量时，Logit和Probit没有本质的区别，一般情况下可以换用。区别在于采用的分布函数不同，前者假设随机变量服从逻辑概率分布，而后者假设随机变量服从正态分布。其实，这两种分布函数的公式很相似，函数值相差也并不大，唯一的区别在于逻辑概率分布函数的尾巴比正态分布粗一些。
logistic模型怎么求解？
logistic模型属于非线性问题。
所以求解其模型函数的系数可以用nlinfit（）非线性回归分析函数来解决。由于给出的数据偏少，通过有效的插值方法，增加合理的数据点。主要代码： a0=[-35.287，813.17，0.0098613]; t=0:5:75; %t=[0,30,45,76]; p=[2200 2259.2 2429.3 2699.5 3058.7 3495.8 4000 5228.9 7048.4 8260 8738.6 9152.7 9494 9754.1 9924.9 9997.9]; %p=[2200,4000,8260,10000]; fun=@(a,t)a(1)./(1+(a(1)/a(2)-1)*exp(-a(3).*t)); a= nlinfit(t,p,fun,a0); 运行结果 L=11278.4096；P0=1257.3315；r=0.061172 决定系数R2：0.93268
