逻辑斯回归LogisticRegression模型辅以最小绝对压缩挑选机制.PDFVIP

邏輯斯迴歸(Logistic Regression)模型輔以 最小絕對壓縮挑選機制(LASSO)於降水機率預報之應用 王政忠 陳雲蘭 中央氣象局氣象預報中心 摘 要 為了改善傳統降水機率預報模型中的缺點，預報機率值會有超出正常範圍的狀況及模型的不適 用性，並驗證最小絕對壓縮挑選機制(LASSO)於離散型反應變數的預報表現，本研究以實際天氣資 料建立邏輯斯迴歸模型輔以最小絕對壓縮挑選機制(Logistic-LASSO)應用於逐日降水機率預報，分 別利用白氏得分(Brier Score) 、白氏技術得分(Brier Skill Score)等準則去校驗其預報狀況，並與傳統 線性機率-前序選取模式(LPM-FS) 、邏輯斯迴歸-前序選取模式(Logistic-FS)與傳統線性機率-最小絕 對壓縮挑選機制(LPM-LASSO)三組模式相比較。 關鍵字：變數選取、降雨機率預報、 、 、 LASSO Logistic Regression Linear Probability Model 為類別資料(categorical data)來處理，常見的建模方式為邏輯 一、前言 斯迴歸模型(Logistic Regression Model) ，以非線性的方式建 在天氣資料中建立迴歸預報模式時，對於降水機 模，改善了傳統降水機率模型的不適用性，讓迴歸係數係數 率預報，傳統建模方式將降水資料轉成二元化資料 估計更加合理(詳見第二章) 。Applequist 等人在 2002 年發表 (binary data ) ，把二元化資料視為降水機率，搭配前向 一篇各種統計方法應用於定量降水機率預報(pQPF)比較的文 選取(Forward Selection)變數選取方法，與預報因子建 章(Applequist ，2002) ，預報因子取點方式同美國MDL ，預報 立線性迴歸模式，在統計上稱為線性機率模型(Linear 區域為美國中部與東部區域的 154個測站，採用區域化迴歸 Probability Model) 。美國MDL 現行降水機率預報即是按 方程，同一個區域內的測站將由同一方程建立預報。文章中 照此方式建立預報，預報因子取點方式主要採取將大氣層場 應用的統計模式有線性迴歸模式(即線性機率模型)(含原始資 格點直接內插至測站經、緯度位置，迴歸方程採用區域化方 料與轉換為主成分資料兩種做法) 、邏輯斯迴歸(含原始資料 程預報，同一個區域內的測站由同一方程建立降水機率預報。 與轉換為主成分資料兩種做法) 、判別分析、類神經網路、分 本局過去降水機率預報，亦採取傳統建模方式建模，預報因 類系統共五種，並採取逐步方法(stepwise method)挑選預報因 子取點方式同美國 MDL 做法，將測站附近四個網格點內插 子，其結論指出利用轉換後的主成分資料建立邏輯斯迴歸模 至測站經、緯度位置，為了降低預報因子間的共線性，在前 型具有較高的白氏技術得分(Brier Skill Score) 。 向選取(forward selection)步驟加入高共線性預報因子刪除的 為了改善傳統降水機率預報模型中的缺點，本研究將引 判斷，即被選取預報因子間之相關係數高於某一設定值時將 進邏輯斯迴歸建立降水機率預報，另外在(王與陳，2009)文 其捨棄，預報區域為台灣本島局屬25 個測站，單站一個迴歸 章指出利用最小絕對壓縮挑選機制(LASSO)於連續的氣象要 方程。 素建立預報