概率的 logit定义为$L$$p$

术语称为赔率。赔率的自然对数称为对数赔率或logit。$\frac{p}{1-p}$

反函数是

概率范围从零到一，即，而 logits 可以是任何实数（，从负无穷大到无穷大；） .$p\in[0,1]$$\mathbb{R}$$L\in (-\infty,\infty)$

的概率对应于的 logit 。负 logit 值表示概率小于，正 logit 表示概率大于。这种关系是对称的：和的 Logits 分别对应于和的概率。注意：对于这两种概率，的绝对距离是相同的。$0.5$$0$$0.5$$0.5$$-0.2$$0.2$$0.45$$0.55$$0.5$

该图显示了 logits 和概率之间的非线性关系：

您的问题的答案是：一个案例属于 B 组$0.55$

要添加更现代（但不是很深）的观点，请考虑它在深度学习中的使用方式（哈，双关语......）：

logit 指的是函数（例如神经网络）在归一化之前的输出（我们通常使用 softmax）。这也称为代码。所以如果对于标签$y$我们有分数$f_y(x)$那么logit是：

在哪里$Z$是标准的分区函数。顺便说一句，这在 pytorch 和 tensorflow 文档中到处都是。

因此，您可以将其解释为：

标签的（非标准化）分数或特定类/标签的（功能置信度）。

众多参考资料之一：https ://stackoverflow.com/questions/41455101/what-is-the-meaning-of-the-word-logits-in-tensorflow

您能否指定您的模型并给出输出的屏幕截图，然后我可以给您一个详细的答案，但作为第一次尝试......您可能还想在这些网站上查看以下示例：

http://www.ats.ucla.edu/stat/stata/seminars/stata_logistic/default.htm

http://www.ats.ucla.edu/stat/stata/dae/logit.htm

http://www.ats.ucla.edu/stat/stata/faq/oratio.htm

http://www.ats.ucla.edu/stat/mult_pkg/faq/general/odds_ratio.htm

所以如果系数是 0.2 它取决于变量，我猜你有一个假人，例如 B 组为 0，A 组为 1？

优势比由下式给出： $OR = e^b$

所以在你的情况下：$e^{70.20}$

这将是您的组变量对应于您的参考组的优势比。