求问关于logistic回归的条件

请问一下如果样本一共有七百多，但可以取值为1的只有29例，这样可以用logistic回归吗？

如果观测值非常多的话，可以从0值里面随机抽取一小部分子样本，样本量与1值的数量相差不大，二者组成一个新的样本。然后用新样本做Logistic模型。

如果不想损失样本数，那么把取值为一的样本列出，然后用内插方法获得更多样本即可。

如果不想损失样本数，那么把取值为一的样本列出，然后用内插方法获得更多样本即可。

可以，但是需要注意样本量问题。在回归分析中，存在着一个样本量是自变量个数10倍以上的概念，英文的意思是10 events per variable (10 EPV)。在二分类结局中，有效样本量将根据两类结果观察数的最小值而定。对于样本量不足的情况，可以采用先单因素后多因素策略，即先单因素后多因素策略不是所有回归分析都要采纳的。这种理念的出现是因为小样本量而多自变量数，如果是大样本量但自变量数也不多，没有必要采用单因素后多因素，直接多因素回归分析即可。对于小样本量多自变量数的研究，我认为是主流的方法是纳入必要的自变量进入模型。必要的自变量指的是理论上是研究结局的原因变量才纳入进来。建立回归分析之前，必须认真考虑，哪些是结局可能的原因变量，哪些可能是混杂变量，哪些又可能是中介变量。不能什么都不考虑，一股脑全放进来，或者一股脑先单因素再多因素。¹²³⁴⁵

源: 与必应的对话， 2023/12/11
(1) 心塞！样本量不够多，还能开展logistic回归吗？ - 知乎. https://zhuanlan.zhihu.com/p/617874780.
(2) Logistic回归样本量应该如何计算？ - 百度文库. https://wenku.baidu.com/view/aab2fe5c01768e9951e79b89680203d8ce2f6abf.html.
(3) [机器学习实战-Logistic回归]使用Logistic回归预测各种实例_logistic预测-CSDN博客. https://blog.csdn.net/weixin_45287266/article/details/105845175.
(4) Logistic回归系列——案例分析 - 知乎 - 知乎专栏. https://zhuanlan.zhihu.com/p/212314363.
(5) 经典Logistic回归：原理、计算步骤以及应用 - 知乎. https://zhuanlan.zhihu.com/p/353112595.

consider using the weighted logistic regression

我也遇到这样的问题了，蹲一下

由于因变量的不平衡分布，模型可能倾向于预测较多数类（取值为0）而忽略少数类（取值为1）。这可能导致模型预测性能的下降。可以考虑使用样本均衡技术（如过抽样、欠抽样或合成样本生成方法等）来平衡样本，以便更好地处理不平衡问题。如果数据集中少数类的样本非常有限，可以考虑使用其他机器学习方法，如决策树、随机森林、支持向量机等。这些方法在处理不平衡数据时可能更具优势。