logistic回歸的建模步驟
-
根據(jù)挖掘目的的設(shè)置特征并篩選特征 y;x1,x2,x3......xp
根據(jù)分析目的設(shè)置指標(biāo)變量收集數(shù)據(jù)
列出回歸方程 ln(p/1-p)=b0+b1x1+......+bpxp+c
y取1的概率是p所以用次來(lái)估計(jì)線(xiàn)性模型
- 估計(jì)回歸系數(shù)
- 模型檢驗(yàn)
模型的有效性的檢驗(yàn)指標(biāo)有很多除了最基本的正確率其次還有混淆矩陣潭流，ROC曲線(xiàn)，KS值
- 預(yù)測(cè)控制
在Python中的scikit-learn對(duì)于模型的邏輯回歸首先進(jìn)行特征篩選主要包含在feature_selection庫(kù)中用過(guò)F檢驗(yàn)選出F值大或者P值小弓乙√猎遥或者通過(guò)遞歸特征消除节仿。
