Python 逻辑回归优势比 0 或 1
Python Logistic Regression Odds Ratio 0 or 1
编辑:
对于哪个类别,0 或 1 默认情况下 Python sklearn Logistic 回归提供系数,从而提供优势比。
我想知道在逻辑回归中我得到的优势比是哪个类别:
优势比:
params = model.params
conf = model.conf_int()
conf['Odds Ratio'] = params
conf.columns = ['5%', '95%', 'Odds Ratio']
print(np.exp(conf))
所以首先如果 1 = 是并且 0 = 否那么:
5%
95%
Odds Ratio
const
2.497035
2.670068
2.582102
x1
1.110917
1.196509
1.152919
x2
1.185360
1.272626
1.228218
x3
2.424528
2.752994
2.583546
x4
1.067706
1.135763
1.101209
x5
1.259765
1.348388
1.303323
x6
7.104122
7.563664
7.330293
反过来,0=是,1=否
5%
95%
Odds Ratio
const
0.376813
0.402834
0.389606
x1
0.828915
0.892628
0.860182
x2
0.782983
0.840419
0.811193
x3
0.374006
0.424037
0.398237
x4
0.872428
0.927973
0.899772
x5
0.739507
0.791352
0.764990
x6
7.096197
7.554404
7.321717
我认为赔率 = 1,但是根据对数据的一些自然假设,至少有一个是 = 1 的赔率对我来说没有意义,并且所有赔率低于是= 0,除了上面没有意义的那个,根据我对数据的假设也没有什么意义;但无论如何,我想就此事进行确认。
我想我终于找到了答案:
“由于 logit 函数,逻辑回归系数表示在给定其 X 变量值的情况下观测值在目标 class(“1”)中的对数几率。”
编辑: 对于哪个类别,0 或 1 默认情况下 Python sklearn Logistic 回归提供系数,从而提供优势比。
我想知道在逻辑回归中我得到的优势比是哪个类别:
优势比:
params = model.params
conf = model.conf_int()
conf['Odds Ratio'] = params
conf.columns = ['5%', '95%', 'Odds Ratio']
print(np.exp(conf))
所以首先如果 1 = 是并且 0 = 否那么:
5% | 95% | Odds Ratio | |
---|---|---|---|
const | 2.497035 | 2.670068 | 2.582102 |
x1 | 1.110917 | 1.196509 | 1.152919 |
x2 | 1.185360 | 1.272626 | 1.228218 |
x3 | 2.424528 | 2.752994 | 2.583546 |
x4 | 1.067706 | 1.135763 | 1.101209 |
x5 | 1.259765 | 1.348388 | 1.303323 |
x6 | 7.104122 | 7.563664 | 7.330293 |
反过来,0=是,1=否
5% | 95% | Odds Ratio | |
---|---|---|---|
const | 0.376813 | 0.402834 | 0.389606 |
x1 | 0.828915 | 0.892628 | 0.860182 |
x2 | 0.782983 | 0.840419 | 0.811193 |
x3 | 0.374006 | 0.424037 | 0.398237 |
x4 | 0.872428 | 0.927973 | 0.899772 |
x5 | 0.739507 | 0.791352 | 0.764990 |
x6 | 7.096197 | 7.554404 | 7.321717 |
我认为赔率 = 1,但是根据对数据的一些自然假设,至少有一个是 = 1 的赔率对我来说没有意义,并且所有赔率低于是= 0,除了上面没有意义的那个,根据我对数据的假设也没有什么意义;但无论如何,我想就此事进行确认。
我想我终于找到了答案:
“由于 logit 函数,逻辑回归系数表示在给定其 X 变量值的情况下观测值在目标 class(“1”)中的对数几率。”