我有一组自变量X和一组因变量Y的值。任务是进行二项分类，即预测债务人是否会拖欠债务（1）或不会（0）。在筛选掉统计上不显著的变量和引起多重共线性的变量后，我得到了以下逻辑回归模型的总结：
Accuracy ~0.87Confusion matrix [[1038 254] [72 1182]]Parameters Coefficientsintercept -4.210A 5.119B 0.873C -1.414D 3.757现在，我通过对数几率比将这些系数转换为新的连续变量“default_probability”，即：
当我根据这个新的连续变量“default_probability”将我的原始数据集分为四分位数时：
第一四分位数包含65%的拖欠债务（884起事件中的577起）第二四分位数包含23%的拖欠债务（884起事件中的206起）第三四分位数包含9%的拖欠债务（884起事件中的77起）第四四分位数包含3%的拖欠债务（884起事件中的24起）与此同时：
第一四分位数的总债务人数 - 1145第二四分位数的总债务人数 - 516第三四分位数的总债务人数 - 255第四四分位数的总债务人数 - 3043我想使用“default_probability”来精确地剔除最有问题的贷款，通过实施业务规则“不向第一四分位数的客户提供贷款”，但现在我怀疑这是否真的“精确”（按照这条规则，我将失去1145 – 577 = 568个“好”客户），而且从数学/逻辑上讲，通过上述推理从逻辑回归的系数中推导出数据集的新连续变量是否正确？
回答：
你在计算power时忘记了截距。但假设这只是你在评论中提到的打字错误，那么你的方法是有效的。然而，你可能想使用scikit-learn的predict_proba函数，这将为你省去麻烦。示例：
from sklearn.linear_model import LogisticRegressionfrom sklearn.datasets import load_breast_cancerimport numpy as npdata = load_breast_cancer()X = data.datay = data.targetlr = LogisticRegression()lr.fit(X,y)假设然后我想计算给定观测值（比如观测值i）属于类别1的概率，我可以像你做的那样，本质上使用回归系数和截距：
i = 01/(1+np.exp(-X[i].dot(lr.coef_[0])-lr.intercept_[0]))或者只需执行：
lr.predict_proba(X)[i][1]这更快
