La fonction lgsfit permet d'ajuster les données logistiquement.
1. Définissez un jeu de données.
Ces données proviennent d'une étude NIST relative à la modélisation d'aimants supraconducteurs. La variable de réponse est le magnétisme (colonne 0) et la variable prédictive le journal chronologique en minutes (colonne 1).
2. Définissez un vecteur de valeurs estimées.
Il peut être difficile de choisir des valeurs initiales appropriées pour une régression logistique :
◦ La première valeur doit correspondre à la coordonnée initiale approximative d'une courbe passant par les données.
◦ La seconde valeur initiale doit être inférieure à 1 si le centre des données se trouve à droite de l'origine, et supérieure à 1 si les données se trouvent à gauche. En l'occurrence, cette valeur initiale est évaluée en trouvant la moyenne de la variable indépendante. Habituellement, ce nombre est trop grand si les données indépendantes sont des entiers, mais ce n'est pas le cas ici.
◦ La dernière valeur initiale est grande en cas de chute soudaine des données (supérieure à 1) et petite si la transition est plus progressive (inférieure à 1). Ce coefficient est négatif si les données diminuent de gauche à droite et positif si elles augmentent de gauche à droite. Dans de nombreuses situations, vous pouvez utiliser 1 ou -1 comme valeur initiale.
3. Appelez la fonction lgsfit pour trouver les paramètres d'un ajustement logistique.
Les paramètres ajustent l'équation logistique suivante :
