如何提高logistics回归模型的命中率

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

采用不同时段的数据训练模型，模型效果变化较大，且模型命中率均不高，有什么好的解决方式？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：LOGISTICS logistic logisti ogistic logist 如何 效果 logistics 命中率 模型

因果关系不显著  实验模型需要重设计

davil2000 发表于 2012-10-17 11:30
因果关系不显著  实验模型需要重设计

怎么可能呢，不然也不会选择这个模型来做用户流失预警了

xulimei1986 发表于 2012-10-17 11:41
怎么可能呢，不然也不会选择这个模型来做用户流失预警了

分析结果稳健吗？

davil2000 发表于 2012-10-17 12:20
分析结果稳健吗？

就是模型不太稳健，用决策树也做了，效果差不多，现在是从回归模型本身来讲，是否可以调节一些参数，增强其稳健性？

数据量大不大？小样本的话，可以试试SVM(支持向量机)，模型比较稳健，
也可以试试非参数的方法，就是结果不易于解释。

ziyenano 发表于 2012-10-17 13:02
数据量大不大？小样本的话，可以试试SVM(支持向量机)，模型比较稳健，
也可以试试非参数的方法，就是结果不 ...

样本很大，都是几个G的数据

xulimei1986 发表于 2012-10-17 13:18
样本很大，都是几个G的数据

个人几个建议：
1.筛选变量，logistic用逐步回归法筛选，估计楼主已经做了；
能不能增加一些解释变量，再重新筛选变量，模型的好坏很大程度取决解释变量的选取。
2.决策树的一些算法，看是否出现了过度拟合，而导致模型的推广能力不足，出现训练模型不错，测试样本预测很糟糕的情况，如果这样，建议增加分支节点的最小记录数，或者全局修剪决策树，防止过度拟合的发生。
3.楼主说到流失，我不知道是不是流失率很低的模型，如果是这样，应该采取过度抽样的方法，即人为加大流失在样本中的比率，从而能够提取流失的特征，而判别模型的好坏，也非传统意义上的“预测准确率”，通常通过提升图，增益图一些方法来判别。
4.如果以上方法都行不通，试试从技术上解决，试试 proc gam拟合非参数的logistic，或者proc discrimi 试试非参数判别，不过不清楚这两个过程处理大数据量的效率。

回个帖，也要审核半天，晕死

ziyenano 发表于 2012-10-17 13:36
个人几个建议：
1.筛选变量，logistic用逐步回归法筛选，估计楼主已经做了；
能不能增加一些解释变量， ...

正在尝试用非参数判别，流失比例只有所有样本的1%左右！