2016.12.05回顾 logistic自变量是分类变量

最新推荐文章于 2025-08-24 11:31:03 发布
原创 最新推荐文章于 2025-08-24 11:31:03 发布 · 2.4k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了使用JoinQuant平台进行量化投资时遇到的问题及解决思路，并讨论了在信用评分模型中处理分类变量的方法。

1、又看了下joinquant，按财务指标选股的时候不加filler似乎可以挑选出全部A股的股，但是奇怪的是有个停牌（或者说已经退市的）出现在了名单之中（300372欣泰电气），是12月2号的数据，然后看了下小市值策略的代码，有两个做记录的成员变量，我不太清楚其意义何在？然后回测的持仓数据来看，可能存在一定的幸存者偏差，几乎之前的全是st股，然后我又用他所谓的40000%的去除st，去除停牌那个策略，回测太高了，高达70%+，根本不敢用啊！我要继续熟悉下joinquant的回测框架，确保回测结果是正确的。

2、然后下午主要就是重新建模加部署，写SQL，SQL过程中没有什么值得记录的地方，然后临近下班的时候开始弄一个问题就是如果不用woe，logistic自变量中的分类变量该怎么办，和博士讨论了下，自己也去查了下，一种普遍的说法是转换成哑变量，3类就是两个自变量，还有待进一步研究，可能虽然说我对于信用评分领域比较熟悉了，但是算法本身和应用场景我还不能称得上精通！



[Python从零到壹] 十四.机器学习之分类算法五万字总结全网首发（决策树、KNN、SVM、分类对比实验）
杨秀璋的专栏
07-09 2万+
分类（Classification）属于有监督学习（Supervised Learning）中的一类，它是数据挖掘、机器学习和数据科学中一个重要的研究领域。分类模型类似于人类学习的方式，通过对历史数据或训练集的学习得到一个目标函数，再用该目标函数预测新数据集的未知属性。本章主要讲述分类算法基础概念，并结合决策树、KNN、SVM分类算法案例分析各类数据集，从而让读者学会使用Python分类算法分析自己的数据集，研究自己领域的知识，从而创造价值。 19.1 分类 19.1.1 分类模型 与前面讲述的聚类模型类似
对应分析（关联分析、R-Q型因子分析、处理分类变量的利器）原理介绍
积一时之步，臻千里之遥程
02-06 3万+
1 聚类分析 聚类分析这种多元统计分析方法，用于定量分析指标或样品的分类问题。在一个数据样本中，不同的样本具有各方面的差异，如果目标是对其进行分组，可根据一批样品的多个观测指标，找出用于度量变量之间相似程度的统计量，并在此基础上利用聚类分析进行分组，使同一组中的样本的特征具有较大相似性，不同组间的样本差异较大 2 因子分析 因子分析法是一种多变量统计分析方法，是以所观察变量的内在相关性为研究基础，将这些有复杂内在相关性的观测变量，浓缩成少数具有代表性的综合因子，并进行 ...
统计教程｜二分类Logistic回归分析中几种常见应用情况的SPSS实现
cxmed的博客
05-09 8106
常笑医学将给大家讲解如何采用 SPSS20.0 软件实现自变量和因变量为二分类资料的Logistic回归分析。
自变量是分类变量的线性拟合+哑变量
ResumeProject的博客
11-05 3358
哑变量 dummy variable(也相当于对数据分类) 何时引入哑变量 顺序变量如(高,中,低)可按比例引入值(如1，3，5) 而分类变量，或连续变量的划分:(如：1-10，11-20，21-30……)则可引入哑变量 引入哑变量后，可以降低De,拟合效果较好引入哑变量后，可以降低D_e,拟合效果较好引入哑变量后，可以降低De​,拟合效果较好 (男，女)⇒(0,1) (男，女)\Rightarrow (0,1) (男，女)⇒(0,1) (春,夏,秋,冬)以冬天为参照D1={1春0其他D2={1夏0其他D3
分类变量logistic回归分析--1
邓飞----育种数据分析之放飞自我
09-23 9770
1. 二分类logistic回归分析 2. 多分类logistic回归分析 因变量（y变量）是多分类的，包括无序和有序的。 无序的多类别因变量：对应无序多分类logistic回归模型 有序的多类别因变量：有序多分类logistic回归模型 2.1 无序多分类logistic回归分析 2.2 有序多分类logistic回归分析 ...
统计教程｜PASS实现单因素二元Logistic回归分析且自变量为二分类的优势比检验的样本量估计
cxmed的博客
10-07 1694
讲解采用PASS15.0软件实现当只有一个二分类变量时单因素二元Logistic回归分析时其优势比Wald检验所需样本含量估计方法。
【定量分析、量化金融与统计学】逻辑回归Logistic----分类回归
从基础开始，注意细节，不要骄傲
04-11 1705
我们上一讲说了什么是分类变量，而且我们举的例子都是自变量是分类变量，那么如果因变量是分类变量我们应该怎么做回归呢？常规的线性回归肯定是不行的，因为因变量是分类变量，所以这并不能够成连续的回归结果，那么就有人研究出了一种专门为分类因变量定制的回归模型，逻辑回归，所以逻辑回归回归的是什么？是逻辑，不是值，所谓的逻辑就是分类，这也是为什么逻辑回归会在机器学习中被当做分类算法的原因，逻辑回归是和值回归（线性回归，非线性回归）不相同的回归方法。
logistic回归分析不设参照_回归分析有序Logistic回归 ——因变量是有序分类变量的回归分析...
weixin_39634900的博客
02-03 1778
有序Logistic回归——因变量是有序分类变量的回归分析　　【例】研究BMI相关的危险因素。资料如下：表1　BMI相关危险因素原始资料　　将BMI分成三类并赋值——正常(BMI=18-23)=1、偏高(BMI=24-27)=2、肥胖(BMI≥28)=3；性别赋值——1=男，0=女；年龄分组并赋值——20-29岁组=1、30-39岁组=2、40-49岁组=3；糖尿病状态赋值——有=1、无...
Day 5. Suicidal Ideation Detection: A Review of Machine Learning Methods and Applications综述
weixin_37996254的博客
11-05 3729
Title: Suicidal Ideation Detection: A Review of Machine Learning Methods and Applications 自杀意念检测：机器学习方法及应用综述 Keywords: Deep learning 深度学习 feature engineering 特征工程 social contents 社交内容 suicidal ideation detection (SID) 自杀意念检测 Abstract： Suicide is a critical
58、多领域技术研究：从地理元数据分类到太阳能预测与脑电活动检测
最新发布
7h6j5k4l3的博客
08-24 34
本文探讨了三个不同但重要的技术研究领域：地理元数据的多标准分类、利用天气预报数据预测太阳能辐射，以及冥想过程中脑电活动的检测。这些研究均采用了先进的数据分析和机器学习技术，旨在优化地理信息管理、提升可再生能源利用率，以及深入了解冥想对大脑活动的影响。研究展示了各领域的关键技术方法与成果，并展望了未来的发展方向。
卡方检验spss步骤_数据分析--学统计&SPSS操作
weixin_39929813的博客
11-26 7363
笔记内容来源：拉勾教育数据分析实战训练营我是一个在教育留学行业8年的老兵，受疫情的影响留学行业受挫严重，让我也不得不积极寻找新的职业出路。虽然我本身是留学行业，但对数据分析一直有浓厚的兴趣，日常工作中也会做一些数据的复盘分析项目。加上我在留学行业对于各专业的通透了解，自2016年起，在各国新兴的专业--商业分析、数据科学都是基于大数据分析的专业，受到留学生的火爆欢迎，可见各行各业对于数据分析的人才...
统计学分析方法
DAYTOY0730的博客
08-18 1万+
模块1 统计学基本概念 1 测量尺度 人文社科中的分类尺度 1定类尺度 功能：分类作用，比如性别。英文：Norminal 2定序尺度 功能：分类、排序作用，比如喜欢的艺人、年级。英文：Ordinal 3定距尺度 功能：分类、排序、加减，比如温度。英文：Scale 4定比尺度 功能：分类、排序、加减、乘除，比如年龄、体重等。有绝对零点。英文：Scale 实际应用说明 分类说法：定类与定序合称分类变量，定距与定比合称连续变量。Tableau就是这样分类：分类-维度，连续-度量。 描述统计方法： .
STATA进行回归分析时，自变量是分类变量，如何设置哑变量？
Una20200519的博客
01-15 1万+
统计——线性模型及相关——线性回归——选择因变量和自变量——点击自变量框后的三个小点——点选“因子变量”，选择对应的分类变量——点击“添加到变量列表”——确定
从头学计量-SPSS实操回归分析
Data _designer
06-24 2255
目录 一元回归分析 回归前可以先进行数据预处理 多元回归 二次项回归 分类变量回归（自变量为分类变量） ​ 一元回归分析 回归前可以先进行数据预处理 数据的标准化不会影响实验的显著性 数据中心化 = 原始数据-均值 多元回归 共线性诊断：多元回归分析中的VIF<3或者5 新增变量对解释因变量的贡献程度看R方的变化，建议使用分层回归：在回归模型选择变量的时候点击下一个即可。 二次项回归 分类变量回归（自变量为分类变量） ...
数据分析之Logistic回归分析中的【二元逻辑回归】
热门推荐
当我把这件事情做出来的时候，我想要的东西就已经拿到了
03-01 3万+
Logistic回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据，也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。
关于回归分析分类
lxccc9的博客
08-05 4156
目的：当需要用一个数学表达式（模型）表示多个因素（原因）与另外一个因素（因素）之间关系时，可选用回归分析法。 应用：1）分析哪些自变量对因变量存在显著影响作用，R方值可以不要求大于0.8 2）通过选择对因变量存在影响的自变量，建立预测因变量取值的预测模型，模型R方值必须要求大于等于0.8 但是，在人文社科领域，很多回归模型的R方值达不到0.8，也可以用来做预测。 （回归分析属于参数检验法） 回归分析的建立步骤： 1）选择变量 自变量：第一：前人的研究成果，第二：个人经验 因变量：根据研究
因变量，自变量只有一个，调节变量有两个，都是分类变量，该如何做调节效应的检测（SPSS）？
cda2024的博客
05-12 1674
大家好！。这不仅是一个常见的数据分析问题，也是许多研究者和数据分析师在实际工作中会遇到的情况。
含有分类变量（categorical variable）的逻辑回归（logistic regression）中虚拟变量（哑变量，dummy variable）的理解...
diedie4488的博客
04-30 1万+
　　使用R语言做逻辑回归的时候，当自变量中有分类变量（大于两个）的时候，对于回归模型的结果有一点困惑，搜索相关知识发现不少人也有相同的疑问，通过查阅资料这里给出自己的理解。 　　首先看一个实例（数据下载自：http://freakonometrics.free.fr/db.txt） > db <- read.table("db.txt",header=TRUE,sep...
spss二元logistic回归自变量是多分类变量
02-20
### SPSS 中二元 Logistic 回归分析中多分类自变量的设置与解读 #### 设置多分类自变量 在SPSS中进行二元Logistic回归时，如果遇到多分类自变量（即具有两个以上类别的变量），需要将其转换为哑变量（dummy variables）。这一过程可以通过SPSS自动完成。 具体操作如下： 1. 打开数据文件并进入`Analyze -> Regression -> Binary Logistic...`菜单。 2. 将因变量移入“Dependent”框内。 3. 对于多分类自变量，在“Covariates”列表中选中该变量后点击右侧箭头按钮前的小三角形展开更多选项，选择“Reference Category”，指定参照类别[^1]。 4. 如果希望手动创建哑变量，则可以在`Transform -> Automatic Recode`下将原始类别重新编码成数值型，并通过`Data -> Split File`功能分别针对不同水平运行模型；不过通常推荐让软件自行处理以减少人为错误的可能性。 #### 解读结果 对于由SPSS生成的结果表格，特别是关于系数估计的部分，需要注意以下几点来理解多分类自变量的影响： - **常数项 (Constant)**：表示当所有预测因子均为零或处于其基线状态下的事件发生概率对数比值。 - **B列**：显示各个参数对应的未标准化回归权重。对于非参考组而言，这些值反映了相对于设定为基础的那个特定类别的优势比变化量。 - **Exp(B) 列**：给出了各因素的优势比(OR)，这是最直观衡量影响程度的方式之一。例如，若某个类别的 Exp(B)=2 ，意味着相比对照组来说，这个级别的个体患病几率提高了两倍。 - Wald χ² 测试用于评估单个协变量的重要性，而最终入选模型的是那些 p<0.05 的显著特征[^2]。 ```python import pandas as pd from statsmodels.formula.api import logit # 假设 df 是已经加载好的 DataFrame, 'outcome' 是二元结局变量, # 'category_var' 是一个多分类自变量. result = logit('outcome ~ C(category_var)', data=df).fit() print(result.summary()) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值