Seraphineの小窝
·
大数据成矿预测系列(八) | 从定性到概率：逻辑回归——地质统计学派的“集大成者”
💡
原文中文，约6000字，阅读约需15分钟。
📝
内容提要
证据权重法（WofE）在成矿预测中应用广泛，但常违反独立性假设。逻辑回归（LR）作为一种强大的统计方法，克服了这一局限，允许变量间相关性，提供更稳健的预测。LR模型通过logit变换建模成矿概率，具备良好的可解释性和处理复杂关系的能力，适应现代地质数据分析需求。
🎯
关键要点
- 证据权重法（WofE）是地质学中应用广泛的概率性方法，但常违反条件独立性假设。
- 逻辑回归（LR）是一种强大的统计方法，克服了WofE的局限，允许变量间相关性。
- LR模型通过logit变换建模成矿概率，具备良好的可解释性和处理复杂关系的能力。
- 逻辑回归在成矿预测中被用作验证工具，评估WofE模型的偏差。
- 逻辑回归为成矿潜力制图提供了更通用的框架，解决了WofE的核心统计问题。
- 逻辑回归的输出是介于0到1之间的概率估计，适合资源勘探的决策分析。
- 逻辑回归模型在处理复杂地质数据时存在局限性，包括线性假设与非线性成矿过程的矛盾。
- 数据不平衡问题使得逻辑回归倾向于预测占主导地位的“非矿床”类别。
- 多重共线性问题影响逻辑回归模型系数的稳定性，削弱了其可解释性。
- 空间自相关和空间非平稳性是逻辑回归在地质数据应用中的根本性科学冲突。
- 地理加权逻辑回归（GWLR）可解决空间非平稳性问题，通过每个空间位置计算独特的LR模型。
➡️
