SPSS中逻辑回归的预测概率是怎么算的

Posted 2023-04-02

参考技术A 根据公式计算的，p/1-p 参考技术B 拟合方程以后计算的P

在逻辑回归中预测具有最高可能概率的某个标签

【中文标题】在逻辑回归中预测具有最高可能概率的某个标签

【英文标题】：Predict certain label with highest possible probability in logistic regression

【发布时间】：2018-03-02 03:36:35

【问题描述】：

我正在使用 sklearn 中的逻辑回归构建模型，具有 12 个参数和 0,1 标签。我需要对标签 0 非常有信心，如果某些“0”会被错误分类为 1，我可以。这样做的目的是，如果数据被分类为 0，我想从处理中排除数据。

如何调整参数？

【问题讨论】：

您的陈述：I need to be very confident about label 0, I am ok if some '0' will be missclassified to 1. 是矛盾的。首先，您是说您需要对标签 0 非常确定，然后您说可以对其进行错误分类。

抱歉泄露。换句话说，我想确定：如果我的测试数据为 0，那么概率非常高，接近 99%，但如果我得到 1，我可以接受较低的概率。有意义吗？

【参考方案1】：

您基本上是在寻找特异性，它被定义为TN/(TN+FP)，其中 TN 是 True Negative 而 FP 是 False Positive。您可以在 blog post 中了解更多相关信息，在 detail here 中了解更多信息。要实现这一点，您需要在 sklearn 中使用 make_scorer 和 confusion_matrix metric，如下所示：

from sklearn.metrics import confusion_matrix
from sklearn.metrics import make_scorer

def get_TN_rate(y_true,y_pred):
    tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
    specificity = float(tn)/(float(tn)+float(fp))
    return specificity

tn_rate = make_scorer(get_TN_rate,greater_is_better=True)

现在您可以使用tn_rate 作为评分函数来训练您的分类器。

【讨论】：

您将如何在LogisticRegression 模型中使用此记分器？我找不到任何理由把它放进去。