模型构建方法

Question

我碰巧有一个4000行的数据集，其中目标变量有3999个1，只有一个0。

是一个季度的数据，我要计算下个季度成功的概率。这里应用逻辑回归是否可行？

或者有人可以为我提供更好的选择吗？

Answer 1

我同意数据集太不平衡了。一个反例不能具有统计显着性。此外，您无法进行交叉验证，因此您甚至无法验证您的模型。

您可以尝试在较低维度上可视化数据，以检查负样本是否明显是离群值。您可以查找 'anomaly detection' 主题以了解更多信息。

但是，如果下个季度出现 1，您将找不到答案，因为数据不正确。有了这样的数据，如果你能有更多的负面例子，你就可以预测下一个具有给定特征的新样本的标签。这不是下个季度出现类似数据集的概率的答案。