知识卡片

普通读书笔记卡 · 9774 · 生成模型:DeepSeek-V4.1-Flash

线性回归做分类会越界

理解等级:高级

用线性回归预测 0/1 标签会遇到两个层次的问题。表层是输出没有边界:模型可能给出 3.7 或 −0.4,负数无法解释成概率,本例中大量预测值就是负数。更深一层是假设被违背——y 最大只能是 1,所以自变量越大、预测分数越高,误差(预测减实际)的正向部分就越大,误差与自变量之间出现系统性相关,而线性回归的系数无偏性正建立在“自变量与误差不相关”之上,于是系数被污染,且样本变多也不能修正。这说明问题不是拟合得不够好,而是把一个有界量当成了无界量来建模。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第16章 逻辑回归 · 查看原书依据

      的可能性成为付费会员。但是,线性模型的输出可能是非常大的正数,甚至可能是负数,这样就不好解释了。实际上,在这个例子中的许多预测结果是负数。

    参考来源

    - 位置:《数据科学入门(第2版)》第16章 逻辑回归(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0020.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「的可能性成为付费会员……」 - 原始内容:的可能性成为付费会员。但是,线性模型的输出可能是非常大的正数,甚至可能是负数,这样就不好解释了。实际上,在这个例子中的许多预测结果是负数。