我正在训练逻辑回归来预测哪些跑步者最有可能完成艰苦的耐力赛。

很少有跑者能完成这场比赛，所以我有严重的班级不平衡和一小部分成功的样本（可能有几十个）。我觉得我可以从几乎成功的几十个跑步者那里得到一些好的“信号”。（我的训练数据不仅有完成度，还有那些没有完成的人实际完成了多远。）​​所以我想知道包含一些“部分学分”是否是一个糟糕的主意。我想出了几个用于部分信用的函数，斜坡和逻辑曲线，它们可以被赋予各种参数。

与回归的唯一区别是我将使用训练数据来预测修改后的连续结果，而不是二元结果。比较他们对测试集的预测（使用二元响应），我得到了相当不确定的结果——逻辑部分学分似乎略微提高了 R 平方、AUC、P/R，但这只是一个使用案例的尝试小样本。

我不关心预测是否一致地偏向于完成——我关心的是正确地对参赛者完成的可能性进行排名，或者甚至估计他们完成的相对可能性。

我知道逻辑回归假设预测变量和优势比的对数之间存在线性关系，如果我开始弄乱结果，显然这个比率没有真正的解释。从理论上讲，我确信这并不聪明，但它可能有助于获得一些额外的信号并防止过度拟合。（我的预测变量几乎与成功一样多，因此使用部分完成的关系来检查完全完成的关系可能会有所帮助）。

这种方法曾经在负责任的实践中使用过吗？

无论哪种方式，是否有其他类型的模型（可能是明确模拟危险率的模型，应用于距离而不是时间）可能更适合这种类型的分析？