Logistic回归模型和Zeppelin简单使用

逻辑回归模型

一、模型用途：

一般用来：
通过一些用户个人信息，社会状态，信用历史，缴费信息等数据建立信用风险模型，来预测用户的违约概率。
信用风险一般有模型：Application模型， Behavior模型，Collection模型。

二、Logistic回归模型：

1、Logistic回归模型与线性回归模型区别

Logic回归模型：用来预测因变量是分类的模型。
线性回归模型：用来预测因变量是连续的模型。
在本案例中因变量只有违约或不违约，转化成数字变量只有1或0，若使用最小二乘法则无法解释预测结果中随机出现的不是1和0的值，eg: 1.5，-0.3 等值。 且因为因变量分类类型较少，无法保证正态分布。

2、Logistic变换：将预测概率进行logic转换

i:指个体观察案例
P_i:指第i个案例一个事件中发生的概率

Logistic模型介绍

3、模型评估

a、评估方式

样本内评估：利用样本内的同期数据进行验证
样本外评估：利用样本外下一期的数据进行验证

b、评估指标

|预测类型|统计量|
|决策型 |准确率/误分类利润/成本|
|排序型 |ROC指标/Gini指数等|

c、决策性评估