如何解释逻辑回归的系数?

数据挖掘 机器学习 深度学习 数据挖掘 预测建模 逻辑回归
2022-02-27 10:44:15

我使用以下代码对具有 60 个特征的数据进行了逻辑回归(statsmodel)

import statsmodels.api as sm
logit_model=sm.Logit(y_train,X_train_std)
result=logit_model.fit()
print(result.summary())

我能够看到很少有变量 hasnegative coefficient和很少有positive coefficients

我是否正确理解,无论系数的符号如何,以下所有变量都是影响结果的重要预测因子?

或者负系数是否意味着它们对模型结果没有任何影响?p-value意义重大。我有点困惑。你能用简单的话帮忙吗

下面的输出显示了p-values小于 0.05的记录

在此处输入图像描述

1个回答

它们都很重要,但对于某些事情。

我是什么意思?您正在预测证据,即下图的第一列:

在此处输入图像描述

换句话说,你有“线性回归部分”+ 而不是 y 你有证据。因此,改变独立变量 X 的值(正或负)将影响不同的二进制类(0 或 1),因此不同的值对不同的事物具有重要意义。(他们添加了一些信息)