逻辑回归中连续预测变量的变换选择与遗留顺序软件的并行化方法
1. 逻辑回归中连续预测变量的变换
在信用和银行应用中,通常只关注对类别 1 的预测。我们通过一些示例数据来研究逻辑回归中连续预测变量的变换效果。
1.1 伪 R 平方值
| 模型 | McF | CS | N |
|---|---|---|---|
| 未变换 | 0.07 | 0.09 | 0.13 |
| 变换 | 0.07 | 0.09 | 0.13 |
从表中可以看出,未变换和变换后的逻辑回归(LR)模型的伪 R 平方值相同。
1.2 类别 1 的精确率、召回率和 F1 度量
| 数据集 | 模型 | 精确率 | 召回率 | F1 |
|---|---|---|---|---|
| 训练集 | 未变换 | 0.61 | 0.48 | 0.54 </ |
超级会员免费看
订阅专栏 解锁全文
4964

被折叠的 条评论
为什么被折叠?



