sklearn中logistic回归特征系数值的解释

Question

我的数据符合逻辑回归模型。想象一下，我有四个特征：1）被试接受的条件是什么；2）被试是否有任何关于被试现象的先验知识/背景（实验后问卷中的二元反应）；3）被试在实验任务上花费的时间；4）被试的年龄。我试图预测参与者最终选择的是方案A还是方案B。我的logistic回归用clf.coef_输出以下特征系数：

[[-0.68120795 -0.19073737 -2.50511774  0.14956844]]

如果选项A是我的正类，那么这个输出是否意味着特征3是二进制分类中最重要的特征，并且与选择选项A的参与者有负关系（注意：我没有规范化/重新缩放我的数据）？我想确保我对系数的理解，以及从中提取的信息是正确的，这样我就不会在分析中做出任何概括或错误的假设。

谢谢你的帮助！

Answer 1

你走对了路。如果一切都是一个非常相似的量级，一个较大的pos/neg系数意味着更大的影响，所有的东西都是相等的。

但是，如果数据没有标准化，Marat是正确的，因为系数的大小没有任何意义（没有上下文）。例如，可以通过将度量单位更改为大或小来获得不同的系数。

我看不出这里是否包含了非零截距，但请记住，逻辑回归系数实际上是比值比，您需要将它们转换为概率，以获得更直接的解释。

请查看此页以获得良好的解释： https://stats.idre.ucla.edu/other/mult-pkg/faq/general/faq-how-do-i-interpret-odds-ratios-in-logistic-regression/