由买买提看人间百态

boards

本页内容为未名空间相应帖子的节选和存档,一周内的贴子最多显示50字,超过一周显示500字 访问原贴
Statistics版 - goodness of fit of logit model
相关主题
再问multinomial logit请问OLS怎样选择feature sets?
请教牛人们关于time series 的 linear regression 问题regression的问题:怎么处理bad data
怎样用R 来提取 micrarray 中的regressor variable 的值? (转载)a question
sample size vs. number of regressorsany one knows if SAS could do Fractional Logit Model fit? (转载)
请问各位大牛 当regressor/covariates 是random的时候 怎么estimate啊?用sas作discrete choice model求教
contribution to explained variance in polynomial regressio请问用R如何实现binary choice logit model
帮忙解答一个模型上的问题为什么有些函数在我的R中无法执行呢?
请问proc genmod, sas问题关于 Logit Regression和Deviance的问题。
相关话题的讨论汇总
话题: logit话题: model话题: goodness话题: fit
进入Statistics版参与讨论
1 (共1页)
f*********y
发帖数: 376
1
用train data run一个logit regression,假设发现psedudo R2很小,LR test 也说明
regressors是jointly significance的,z stat 也说明每个regressor很重要。但是,
有没有可能我用它去predict实际的数据,发现这个model的sensitivity很差,估计也
就10%,虽然sepcifity很高,但是这个model里的高的sensitivty很重要。
若这样的是可能的,我们能说找个模型很好吗。
w*******9
发帖数: 1433
2
Since you said the sensitivity was important, it helps to select different
threshold (usually it's 0.5) to trade off between specificity and
sensitivity.
P****D
发帖数: 11146
3
不符合应用要求的就是不好,任何场合任何学科都适用。

【在 f*********y 的大作中提到】
: 用train data run一个logit regression,假设发现psedudo R2很小,LR test 也说明
: regressors是jointly significance的,z stat 也说明每个regressor很重要。但是,
: 有没有可能我用它去predict实际的数据,发现这个model的sensitivity很差,估计也
: 就10%,虽然sepcifity很高,但是这个model里的高的sensitivty很重要。
: 若这样的是可能的,我们能说找个模型很好吗。

1 (共1页)
进入Statistics版参与讨论
相关主题
关于 Logit Regression和Deviance的问题。请问各位大牛 当regressor/covariates 是random的时候 怎么estimate啊?
probit 和logit model 的区别contribution to explained variance in polynomial regressio
R的documentation为什么这么差?帮忙解答一个模型上的问题
[合集] 啥叫Probit model?请问proc genmod, sas问题
再问multinomial logit请问OLS怎样选择feature sets?
请教牛人们关于time series 的 linear regression 问题regression的问题:怎么处理bad data
怎样用R 来提取 micrarray 中的regressor variable 的值? (转载)a question
sample size vs. number of regressorsany one knows if SAS could do Fractional Logit Model fit? (转载)
相关话题的讨论汇总
话题: logit话题: model话题: goodness话题: fit