理论：Logistic使用前提

作者: slade_sal | 来源:发表于2017-06-21 17:40 被阅读100次

1.样本量问题

工程效果经验，坏样本个数至少要是你的特征变量个数的10倍以上；总样本个数要是你的特征变量个数的20-30倍以上。比如假设你会采用10变量，理论上，你例子中的高血压患病者应该为100名，你的总样本数应该至少在200以上。

2.特征问题

可以为连续变量，可以为分类变量。但是需要考虑实际情况，比如年龄变量，假设训练的logistic结果系数为1.03，那么解释的结果就是每高一岁多0.03的风险会得高血压，但是这是无意义的，不如根据分布切分为年轻人、中年人、老人。

需要保证logit(p)与自变量是线性的，不然训练结果可能有可能比较差。

变量之间的特征相关性要前置分析，尤其是在样本量比较少的时候。理论上讲，如果样本足够大，且所有的因素之间没有关联，最好把所有的因素都放到方程中，通过全模型法对所有可能的混杂因素同时进行分析，在此基础上进一步通过逐

步回归的方法对有显著意义的变量进行筛选，此种情况下可以不做单因素分析。如果样本例数有限，最好先进行单因素分析，剔除既无统计学意义，又无业务意义的变量，只分析有意义的变量。

网友评论

本文标题：理论：Logistic使用前提

本文链接：https://www.haomeiwen.com/subject/euytcxtx.html

理论：Logistic使用前提