一种优化的Logistic模型的流行病分类方法

摘要

对流行病的分类进行定量约束,为了确定某感染病是否为大流行病,分别搜集了以H1N1为代表的“大流行病”重灾区样本和以SARS为代表的“流行病”重灾区样本,并定义每次流行病的“重灾区”。其次分别选取感染率、病死率、医疗条件、人口密度等指标作为解释变量建立二分类Logistic模型,通过得到的被解释变量的预测值(即该病是否为大流行病的概率)来判断该病是否为大流行病。最后,由于疾病流行性问题的复杂性,在模型中依次引入平方项重新回归,通过定义不同的训练集和测试集,得到最优的回归方程,最终得到将病死率的平方项引入回归模型中,模型分类的准确率更高。