知识卡片
线性回归做分类会越界
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?
这张卡片已通过人工审查,不再接受失败反馈。
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。