2

我正在尝试使用中。我使用的数据集是为了预测客户流失而创建的。

到目前为止，我正在使用以下功能：

V1_log <- glm(CH1 ~ RET + ORD + LVB + REV3, data = trainingset, family = 
              binomial(link='logit'))

我正在寻找的是 weights 函数如何工作以及如何将其包含在函数中，或者是否有其他方法可以合并它。因变量是选项为 0 或 1 的名义变量。数据集是不平衡的，因变量 CH1 只有 10% 的值为 1，而其他 90% 的值为 0。因此，权重是 (0.1, 0.9)

我的数据集是按以下方式建立的：

数据集预览

在连续变量和类变量之间，自变量的数据类型不同，并且

4

2 回答 2

1

虽然 0 和 1s 的比例是 1:9，但这并不意味着权重是 0.1 和 0.9。权重决定了与其他人相比，您想要给予观察的重点程度。

在你的情况下，如果你想预测一些东西，你必须将你的数据分成训练和测试，看看权重对预测有什么影响。

下面是使用 pima 印度糖尿病示例，我对 Yes 类型进行二次采样，使训练集具有 1:9 的比例。

set.seed(111)
library(MASS)
# we sample 10 from Yes and 90 from No
idx = unlist(mapply(sample,split(1:nrow(Pima.tr),Pima.tr$type),c(90,10)))
Data = Pima.tr
trn = Data[idx,]
test = Data[-idx,]

 table(trn$type)

 No Yes 
 90  10

让我们尝试用权重 9 回归它，如果是正数，1 如果负数：

library(caret)
W = 9
lvl = levels(trn$type)
#if positive we give it the defined weight, otherwise set it to 1
fit_wts = ifelse(trn$type==lvl[2],W,1)
fit = glm(type ~ .,data=trn,weight=fit_wts,family=binomial)
# we test it on the test set
pred = ifelse(predict(fit,test,type="response")>0.5,lvl[2],lvl[1])
pred = factor(pred,levels=lvl)
confusionMatrix(pred,test$type,positive=lvl[2])

Confusion Matrix and Statistics

          Reference
Prediction No Yes
       No  34  26
       Yes  8  32

你可以从上面看到，你可以看到它做得很好，但是你错过了 8 个正例，并且错误地标记了 26 个误报。假设我们尝试 W = 3

W = 3
lvl = levels(trn$type)
fit_wts = ifelse(trn$type==lvl[2],W,1)
fit = glm(type ~ .,data=trn,weight=fit_wts,family=binomial)
pred = ifelse(predict(fit,test,type="response")>0.5,lvl[2],lvl[1])
pred = factor(pred,levels=lvl)
confusionMatrix(pred,test$type,positive=lvl[2])

混淆矩阵和统计

          Reference
Prediction No Yes
       No  39  30
       Yes  3  28

现在我们设法让几乎所有积极的电话都是正确的。但仍然错过了很多潜在的“是”。底线是，上面的代码可能有效，但您需要进行一些检查以确定数据的权重。

您还可以在插入符号中查看confusionMatrix 提供的其他统计信息，以指导您的选择。

于 2020-02-25T17:32:07.720 回答
0

在您的数据集中trainingset创建一个名为的列weights_col，其中包含您的权重 (.1, .9)，然后运行

V1_log <- glm(CH1 ~ RET + ORD + LVB + REV3, data = trainingset, family = binomial(link='logit'), weights = weights_col)
于 2020-02-25T16:16:00.587 回答