目录
摘 要 I
关键词 I
Abstract II
Key Words II
1 引言 1
2 数据降维与变量选择 2
2.1 数据降维 2
2.2 变量选择 3
3 分类算法介绍 4
3.1 Logistic回归 4
3.1.1 二分类因变量的Logistic回归模型 5
3.1.2 多分类因变量的Logistic回归模型 5
3.1.3 模型参数估计 6
3.2 KNN 7
3.3 朴素贝叶斯 7
3.4 支持向量机 8
3.4.1 二分类支持向量机原理 8
4 岩矿光谱分类实验与分析 10
4.1 数据说明 11
4.2 平台介绍 11
4.3 评价指标 11
4.3.1 准确度（Accuracy） 11
4.3.2 F1得分 12
4.3.3 Kappa系数 12
4.4 Lasso变量选择下的Logistic回归分类 12
4.5 主成分分析降维 15
4.6 降维后的分类 16
4.6.1 “一对多”Logistic回归分类与Softmax回归分类 17
4.6.2 KNN分类 18
4.6.3 朴素贝叶斯分类 18
4.6.4 支持向量机分类 19
4.7 分类方法比较 19
5 结论 20
5.1 总结 20
5.2 模型建议及不足 20
致谢 20
参考文献 22
附录 23
基于多项Logistic回归的岩矿光谱分类
摘要
岩心是研究岩石和矿产资源的一种重要的实物资料，为了便于保存，岩心光谱扫描仪实现了岩心的数字化，但庞大的数据也为岩心光谱的定量或半定量化分析带来了巨大挑战。分类技术是一种光谱分析的重要技术，许多分类方法被应用于光谱分类且取得了不错的效果。Log *51今日免费论文网|www.51jrft.com +Q: *351916072* 
istic回归是一种回归分析方法，也可用于解决数据的分类问题。本文运用三种Logistic回归方法，基于主成分分析的“一对多”Logistic回归分类、基于主成分分析的Softmax回归分类和基于Lasso变量选择的Softmax回归分类，对岩心光谱数据进行分析，取得了不错的预期效果。同时用KNN,朴素贝叶斯和支持向量机分类方法的分类对岩心光谱进行分析，针对KNN算法，用欧氏距离作为距离度量；针对支持向量机方法，选取核函数为径向基函数。用10折交叉验证选出上述六种方法的最佳模型与模型参数，并用准确度（Accuracy）、F1得分、Kappa系数三种评价指标作为评价依据，衡量六种模型分类的效果，结果显示三种Logistic回归方法分类效果最好。

原文链接：http://www.jxszl.com/jsj/sxtj/606733.html