我是数据科学和机器学习的新手。我正在研究一个分类问题，其任务是预测贷款状态（授予/未授予）。

我正在对数据运行逻辑回归模型。我的模型的准确率为 82%。但是，我的模型更敏感（敏感度 = 97%）且特异性较低（特异性 = 53%）。

我想增加模型的特异性。在这个阶段，在参考了一堆互联网资源后，我对如何进行感到困惑。

以下是我的观察：在测试数据中，

类标签中 1 的百分比是 73.17073170731707。

测试数据在类标签中的 1 多于 0。这是模型高度敏感的原因吗？

我附上了我的数据文件和代码文件。请看一下。

数据样本：

流程：数据-->缺失值插补-->分布分析-->对数变换为正态分布-->一次热编码-->特征选择-->拆分数据-->模型选择与评估

代码片段：

在这里，我选择了“3 个最佳功能”：信用记录、物业区域

我应该如何进行？任何帮助（即使它只是朝着正确的方向踢球）将不胜感激。