文档预处理以及向量化中的要点：删除出现少于20个文档的单词或在50％以上文档中出现的单词：from gensim.corpora import Dictionarydictionary = Dictionary(docs)dictionary.filter_extremes(no_below=20, no_above=0.5)将文档转换为向量形式。只计算每个单词的频率，包括两个单词构成的词组。再看

command 安装错误提示：Requirement already satisfied: pillow>=6.2.0 in /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages (from matplotlib) (8.2.0)原因：此安装包已在错误提示的路径中存在。但在project运行

多元：因变量为多分类变量；结果在三种及三种以上。如：机构养老、社区养老、居家养老。自变量：可以是分类变量或连续变量，建议是分类变量；协变量：必须是分类变量；案例：步骤：1.【分析】【回归】【多项logistic】，打开主面板—— 因变量、自变量分别按照箭头指示移入对应的变量框内，点击【参考类别】按钮，默认勾选【最后一个类别】。（指以因变量和自变量的最后一个分类水平为参照，用其他分类依次与之对比，考

多元：因变量为多分类变量；结果在三种及三种以上。如：机构养老、社区养老、居家养老。自变量：可以是分类变量或连续变量，建议是分类变量；协变量：必须是分类变量；案例：步骤：1.【分析】【回归】【多项logistic】，打开主面板—— 因变量、自变量分别按照箭头指示移入对应的变量框内，点击【参考类别】按钮，默认勾选【最后一个类别】。（指以因变量和自变量的最后一个分类水平为参照，用其他分类依次与之对比，考

二元：因变量为二分类变量，且两个分类整合在一起的概率为1.（有效/无效；是/否）分析——回归——二元logistic——结果作为因变量——自变量作为协变量分类——设置分类变量（非连续变量）——变化量、第一个保存——概率、组成员选项：霍斯默-莱梅肖拟合优度、Exp(B)置信区间——在每一个步骤结果分析：（1）看霍斯默检验的显著性：sig/p >0.05表示拟合良好。（2）方程中的变量:B——系

多元：因变量为多分类变量；结果在三种及三种以上。如：机构养老、社区养老、居家养老。自变量：可以是分类变量或连续变量，建议是分类变量；协变量：必须是分类变量；案例：步骤：1.【分析】【回归】【多项logistic】，打开主面板—— 因变量、自变量分别按照箭头指示移入对应的变量框内，点击【参考类别】按钮，默认勾选【最后一个类别】。（指以因变量和自变量的最后一个分类水平为参照，用其他分类依次与之对比，考

多元：因变量为多分类变量；结果在三种及三种以上。如：机构养老、社区养老、居家养老。自变量：可以是分类变量或连续变量，建议是分类变量；协变量：必须是分类变量；案例：步骤：1.【分析】【回归】【多项logistic】，打开主面板—— 因变量、自变量分别按照箭头指示移入对应的变量框内，点击【参考类别】按钮，默认勾选【最后一个类别】。（指以因变量和自变量的最后一个分类水平为参照，用其他分类依次与之对比，考