混沌数学之logistic模型
2014-09-15 11:48
197 查看
logistic回归又称logistic回归分析,主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险因素预测某疾病发生的概率。
相关DEMO参见:混沌数学之离散点集图形DEMO
logistic的用途:
一、寻找危险因素,正如上面所说的寻找某一疾病的危险因素等。
二、预测,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。
三、判别,实际上跟预测有些类似,也是根据logistic模型,判断某人属于某病或属于某种情况的概率有多大,也就是看一下这个人有多大的可能性是属于某病。
生态学中的虫口模型(亦即Logistic映射)可用来描述:
x(n+1)=a*x(n)*(1-x(n)),a属于[0,4],x属于(0,1)这是1976年数学生态学家R. May在英国的《自然》杂志上发表的一篇后来影响甚广的综述中所提出的,最早的一个由倍周期分岔通向混沌的一个例子。后来经过Feigenbaum研究得出:一个系统一旦发生倍周期分岔,必然导致混沌。他还发现并确定了该系统由倍周期分岔,必然导致混沌。他还发现并确定了该系统由信周期分岔通向混沌的两个普适常数(也称为Feigenbaum常数)。
相关代码:
混沌点集图形:
相关DEMO参见:混沌数学之离散点集图形DEMO
logistic的用途:
一、寻找危险因素,正如上面所说的寻找某一疾病的危险因素等。
二、预测,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。
三、判别,实际上跟预测有些类似,也是根据logistic模型,判断某人属于某病或属于某种情况的概率有多大,也就是看一下这个人有多大的可能性是属于某病。
生态学中的虫口模型(亦即Logistic映射)可用来描述:
x(n+1)=a*x(n)*(1-x(n)),a属于[0,4],x属于(0,1)这是1976年数学生态学家R. May在英国的《自然》杂志上发表的一篇后来影响甚广的综述中所提出的,最早的一个由倍周期分岔通向混沌的一个例子。后来经过Feigenbaum研究得出:一个系统一旦发生倍周期分岔,必然导致混沌。他还发现并确定了该系统由倍周期分岔,必然导致混沌。他还发现并确定了该系统由信周期分岔通向混沌的两个普适常数(也称为Feigenbaum常数)。
相关代码:
//http://wenku.baidu.com/view/d51372a60029bd64783e2cc0.html?re=view class LogisticEquation : public DiscreteEquation { public: LogisticEquation() { m_StartX = 0.0f; m_StartY = 0.25f; m_ParamA = 3.672f; } void IterateValue(float x, float y, float& outX, float& outY) const { outX = x+0.00025f; outY = m_ParamA*y*(1-y); } bool IsValidParamA() const {return true;} };
混沌点集图形:
相关文章推荐
- 混沌数学之二维logistic模型
- 混沌数学之二维logistic模型
- 混沌数学之Standard模型
- 混沌数学之Feigenbaum模型
- 混沌数学之生物动力学混沌模型
- 混沌数学之生物动力学混沌模型
- 混沌数学之Kent模型
- 混沌数学之Henon模型
- 混沌数学之帐篷模型
- 混沌数学之ASin模型
- 混沌数学之ASin模型
- 混沌数学之Feigenbaum模型
- 混沌数学之Kent模型
- 混沌数学之Standard模型
- 混沌数学之帐篷模型
- 混沌数学之Henon模型
- 混沌数学之Baker模型
- 混沌数学之Arnold模型
- 混沌数学及其软件模拟
- 机器学习中的数学(3)-模型组合(Model Combining)之Boosting与Gradient Boosting