机器算法验证 - 了解逻辑回归中的优势比 - 吾爱随笔录

我试图了解如何解释逻辑回归中的对数优势比。假设我有以下输出：

> mod1 = glm(factor(won) ~ bid, data=mydat, family=binomial(link="logit"))
> summary(mod1)

Call:
glm(formula = factor(won) ~ bid, family = binomial(link = "logit"), 
    data = mydat)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.5464  -0.6990  -0.6392  -0.5321   2.0124  

Coefficients:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept) -2.133e+00  1.947e-02 -109.53   <2e-16 ***
bid          2.494e-03  5.058e-05   49.32   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 83081  on 80337  degrees of freedom
Residual deviance: 80645  on 80336  degrees of freedom
AIC: 80649

Number of Fisher Scoring iterations: 4

所以我的方程看起来像：

Pr (Y = 1) = \frac{1}{1 + \exp (- [- 2.13 + 0.002 \times (bid)])}

$\Pr(Y=1) = \frac{1}{1 + \exp\left(-[-2.13 + 0.002\times(\text{bid})]\right)}$

从这里我计算了所有投标水平的概率。在此处输入图像描述

我一直在使用这个图表来说明在 1000 的出价下，获胜的概率是 x。在任何给定的出价水平，获胜的概率是 x。

我觉得我的解释是错误的，因为我不认为这些是对数赔率。我应该如何真正解释这个情节/这些结果？