我有一个逻辑回归模型，可以预测支付金额的赢/输。我每两个小时对我获得的新数据运行一次模型，并使用它来预测接下来的两个小时。但是，我不断发现我的模型低估了每笔支付金额的赢/输。所以我处于这种情况，我有一个统计模型，但它似乎无法预测新数据的到来。
我在想，我现在该怎么办？我的模型不能预测新数据，但我需要它这样做。
当模型没有预测能力时，有哪些通用策略？
作为旁注，我应该提到我实际上有两个模型。一个预测 0 到 5美元的赢/输，另一个预测 5.01美元或更多。这可能是罪魁祸首，我可能只想使用稳健的回归模型。不完全相关，但只是想我会提到。
不预测是什么意思？您是否暗示该模型与随机猜测相同？
也许您的截止值（用于预测“阳性”结果）不够？您可能希望根据当前必须选择适当截止值的数据尝试生成一些 ROC 曲线。在选择此截止值时，您需要考虑与假阴性相比做出假阳性的“成本”。
如果您仍然做得不好，那么您的预测变量可能与响应无关。
当模型没有预测能力时，一般策略是重新开始。
但它真的没有预测能力吗？也就是说，它不比掷硬币更好吗？
一般来说，除了极少数例外，模型在训练它们的数据上会比在新数据上做得更好。
除此之外，更多的上下文可能会有所帮助。
你为预测值和实际值绘制了什么？该模型根据您要求预测返回的内容来预测对数赔率或其他一些值。可能是概率。实际值仅为 0,1。解决此问题的一种方法是将您的实际值组合到预测变量的子范围内并获得均值（概率为 1）或生成对数赔率值。
您需要在问题中指定您要求预测返回的内容以及您要与之比较的“实际”值是什么。