رگرسیون لوژستیک با مقادیر فازی و کاربرد آن در پزشکی

Abstract

رگرسیون لوژستیک فازی یکی از روش های قدرتمند برای مدل سازی داده های نادقیق است. این مدل با استفاده از نظریه مجموعه های فازی، امکان تحلیل داده هایی را فراهم می سازد که ویژگی های غیر قطعی دارند. در این مقاله، رگرسیون لوژستیک فازی برای متغیرهای تصادفی فازی زبانی معرفی و کاربردهای عملی آن در حوزه ی پزشکی ذکر می شوند. روش های مختلفی برای برآورد پارامترها وجود دارد، در این میان، روش ماکزیمم درستنمایی یکی از تکنیک های اساسی در تخمین پارامترهای مدل های آماری است که با بیشینه سازی تابع درستنمایی داده ها، دقت تخمین ها را در اکثر موارد بهبود می بخشد. در این مقاله، پارامترهای مدل رگرسیون لوژستیک فازی با استفاده از روش ماکزیمم درستنمایی برآورد شده و مزایای آن در مقایسه با روش های کلاسیک مورد ارزیابی قرار گرفته است. کاربردی از روش بیان شده روی یک مجموعه داده در حوزه پزشکی پیاده سازی شده است.