似然比检验和伪 Rsquared 差异显着（逻辑回归）
Likelihood Ratio Test and pseudo Rsquared differ significantly (Logistic Regression)
我应用 logistic regression 并且我想测试我的整体模型的统计显着性。
现在，pseudo-Rsquared (McFaddon) Rsquared = 1 - L(c)/L(null) returns 模型解释的方差 - 其中 L(c) 表示最大化来自拟合模型的似然值，L(null) 表示空模型的相应值（无协变量，仅截距）。
似然检验统计量是LR = 2 * (L(c) - L(null))，服从Chi-squared分布，可以根据模型的自由度检验显着性。
无论如何，我使用 Chi-squared 来计算一个非常显着的 p-value， 但是 pseudo Rsquared 大约是 0.021 ???
为什么 Rsquared 和总体 p 值相差如此之大？
使用某些测试数据的准确度计算 metrics.accuracy_score(y_test, y_pred)，我发现测试数据的准确度仅为 55% 左右（训练数据为 60% 左右）。
有人可以帮我解释我的结果吗？
也许存在显着的相关性，但影响仍然很小：由于您正在进行 class化，您可以检查具有此变量的示例（二进制情况下为 =1）是否具有higher/lower 成为 class 1 成员的概率比那些没有该变量（在二进制情况下为 =0）的成员略微 higher/lower：
变量为 1 的示例有 50% 的机会属于 class 1，而变量为 0 的示例有 48% 的机会属于 class 1。
如果存在大量具有该变量的示例，效果可能仍然很显着（p 值），但它很难单独预测正确的 class（解释方差 - r 平方）。
这可能是可以帮助您以图形方式理解另一个问题的参考：https://blog.minitab.com/blog/adventures-in-statistics-2/how-to-interpret-a-regression-model-with-low-r-squared-and-low-p-values
我应用 logistic regression 并且我想测试我的整体模型的统计显着性。
现在，pseudo-Rsquared (McFaddon) Rsquared = 1 - L(c)/L(null) returns 模型解释的方差 - 其中 L(c) 表示最大化来自拟合模型的似然值，L(null) 表示空模型的相应值（无协变量，仅截距）。
似然检验统计量是LR = 2 * (L(c) - L(null))，服从Chi-squared分布，可以根据模型的自由度检验显着性。
无论如何，我使用 Chi-squared 来计算一个非常显着的 p-value， 但是 pseudo Rsquared 大约是 0.021 ???
为什么 Rsquared 和总体 p 值相差如此之大？
使用某些测试数据的准确度计算 metrics.accuracy_score(y_test, y_pred)，我发现测试数据的准确度仅为 55% 左右（训练数据为 60% 左右）。
有人可以帮我解释我的结果吗？
也许存在显着的相关性，但影响仍然很小：由于您正在进行 class化，您可以检查具有此变量的示例（二进制情况下为 =1）是否具有higher/lower 成为 class 1 成员的概率比那些没有该变量（在二进制情况下为 =0）的成员略微 higher/lower：
变量为 1 的示例有 50% 的机会属于 class 1，而变量为 0 的示例有 48% 的机会属于 class 1。
如果存在大量具有该变量的示例，效果可能仍然很显着（p 值），但它很难单独预测正确的 class（解释方差 - r 平方）。
这可能是可以帮助您以图形方式理解另一个问题的参考：https://blog.minitab.com/blog/adventures-in-statistics-2/how-to-interpret-a-regression-model-with-low-r-squared-and-low-p-values