OrdLogReg公司

序数逻辑回归:发现顺序结果的二元标记组合的分类器。在医学上,根据疾病风险、严重程度或对治疗的反应对患者进行分层通常是有用的。由于许多疾病是由复杂的基因-基因和基因-环境相互作用而产生的,因此可以通过基因和环境因素的组合来确定患者的阶层。传统的统计方法要求指定交互作用{it a priori},因此很难识别高阶交互作用。另外,机器学习方法可以模拟复杂的交互作用,但是这些模型在临床环境中通常很难解释。逻辑回归(LR)能够使用二进制预测值的逻辑组合对二进制结果进行建模,从而生成易于解释的模型。然而,目前可用的LR无法对顺序响应建模。本文将LR推广到序数响应的建模中,得到的方法称为序数逻辑回归(OLR)。几个比较OLR和分类回归树(CART)的仿真表明,OLR在识别与有序响应相关的变量交互作用方面优于CART。OLR应用于一项研究的数据,以确定遗传因素和健康因素与成人牙周炎严重程度之间的关系。序数逻辑回归在CRAN上是公开的,可以在OrdLogReg包url{http://CRAN.r-project.org/}中找到。