逻辑回归

一。逻辑斯蒂回归模型

1.模型
因变量是概率
比率odds
自变量的线性组合就是log-odds
2.系数的估计与解读
（1）系数估计用极大似然估计法
（2）系数为正，说明相应的自变量的增加会导致y=1的可能性增加。
（3）系数为b，自变量增加一个单位，比率的对数增加b个单位。比率增加exp（b）个单位。

二。阈值的选取

有很多方法，最常见的是样本比例（样本中1所占的比例）
三。模型的评价
.混淆矩阵
1.错分率
2.TPR(TRUE POSITIVE RATE)
3.FPR(FLASH POSITIVE RATE)
4.ROC
5.AUC

决策树的优点：
（1）可视化
（2）易于解释
（3）处理离散变量更直观，和回归相比不需要构建虚拟变量
缺点：
（1）比逻辑回归复杂
（2）结果不稳定，预测精度不高