花式玩逻辑回归之不是只能做二分类
最近忙了一些,懒也有啦,就没怎么看书,发现一些新的东西,所以更新慢了,之前有个朋友叫我写避免过拟合,但是这个题目真的好广泛,我还没看透,所以这个可能后续再写,今天我们来写个关于逻辑回归的话题。
其实大部分的时候,使用逻辑回归都是处理二分类的问题,那是因为在信用评分卡中,都是认好客户和坏客户,但是在其他的建模场景中还是存在多分类的情况的,例如你想建立一些用户标签,区分使用你在库客户的一些行为特征或者给他们加个标签,更好的建立模型,那么建模中的多分类的话,可能会用神经网络去区分多分类,但是除了神经网络,我们万能的逻辑回归也可以。
介绍两种把逻辑回归变成多分类算法的思路,绝对不是那个多分类的逻辑回归那个算法,底层还是那个二分类的逻辑回归。
1
哑变量式法
平时如果逻辑回归不转化woe的话,字符变量就是以哑变量的形式进入模型的,那么现在我们也可以把我们的多分类变成哑变量的形式建立多个模型。
步骤一:
假设现在是有4个分类,A-B-C-D,现在建立四个模型,这四个模型的Y值是这么设置的:
A 为Y值等于1 |
B C D 为Y值等于0 |
F1(X) |
B 为Y值等于1 |
A C D 为Y值等于0 |
F2(X) |
C 为Y值等于1 |
A B D 为Y值等于0 |
F3(X) |
D 为Y值等于1 |
A B C 为Y值等于0 |
F4(X) |
分别建立了四个模型,这里你可以用全部的数据分成四份,分别建立四个模型,但是如果你数据少的话,其实我觉得你用同个全样本数据做四个模型。
步骤二:这四个模型分别拟合建立模型,生成这四个模型的标准卡
步骤三:部署应用的就是,客户的全部维度跑四个模型,取预测概率最高的那个即为是哪一类,即max(p(f1(x)), p(f2(x)), p(f3(x)), p(f4(x)))。
2
投票式
还是例如是四个标签,A-B-C-D,这个方法的思路是:
步骤一:
取标签A,C的数据,分别为1,0 |
F1(X) |
取标签A,B的数据,分别为1,0 |
F2(X) |
取标签A,D的数据,分别为1,0 |
F3(X) |
取标签B,C的数据,分别为1,0 |
F4(X) |
取标签C,D的数据,分别为1,0 |
F5(X) |
取标签B,D的数据,分别为1,0 |
F6(X) |
这时候你需要建立是6个模型,每个模型选取的数据是样本中对应标签的数据。
步骤二:分别拟合建立6个模型,并生成6个模型的标准评分卡。
步骤三:部署应用是这样子的:
当一个客户进来的时候:跑第一个模型,预设一个阈值,如果超过阈值则为A,小于阈值就是C,依次算出6个模型的预测标签,预测标签就是这6个模型的最高票。
3
空间距离法
这个方法在西瓜书的65页有详细的介绍,如果你看不懂我写的,你可以去看一下西瓜书的65页-67页的内容。这个方法我是自己看了之后,按照自己的理解再加点一个改动。
这个方法有点麻烦哈,就是你建立多少个模型都可以。
步骤一:你的Y值中的1可以是A 也可以是AB 0是CD ,然后你随机的让一个或者几个标签作为y值中的1,剩下的一个标签作为y值的0,那么你就可以得到以下的矩阵。F1(X),就是A标签为目标标签,剩下则为非目标标签,以此类推
|
F1(X) |
F2(X) |
F3(X) |
F4(X) |
F5(X) |
F6(X) |
F7(X) |
A |
1 |
1 |
1 |
1 |
1 |
0 |
0 |
B |
0 |
1 |
1 |
0 |
0 |
1 |
0 |
C |
0 |
0 |
1 |
1 |
0 |
0 |
1 |
D |
0 |
0 |
0 |
0 |
1 |
0 |
0 |
步骤二:就是你根据的y值取目标标签为1,然后进行建模,分别建立7个模型。这个我建立的模型对D不太公平,正常的话应该是每个标签的做目标标签的次数应该是跟非目标的次数是一样的,但是这个没那么宽,我就列举了一下。
步骤三:部署的时候就是这样子,你的客户维度跑了全部的模型,模型会有一个阈值,那么大于这个阈值就是目标标签,小于阈值就是非目标标签。那么如果想F2(X)这种,大于阈值,那他可能是A标签也可能是B标签,这时候就不好判断了,所以这之后按照空间距离的公司,算出客户预测标签组成一个向量,与A B C D的各个模型的作为目标变量组成的向量,计算预测标签向量与标签向量之间的欧式距离,距离最小的,即预测标签为其标签,我举个例子:
例如有个客户数据是(1,0,0,0,1,0,1),那么他与A B C D欧式距离就是分别是:
那么这个客户的预测标签就是4。我这欧式距离是手算,要是有错的告诉我一下哈。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11