为不平衡数据的逻辑回归增加权重

我想用不平衡的数据（9：1）对逻辑回归建模。我想尝试glmR函数中的weights选项，但是我不确定100％会做什么。

可以说我的输出变量是c(0,0,0,0,0,0,0,0,0,1)。现在我想给“ 1”增加10倍的重量。所以我给出权重的论点weights=c(1,1,1,1,1,1,1,1,1,1,1,10)。

当我这样做时，将在最大似然计算中考虑它。我对吗？错误分类“ 1”比错误分类“ 0”仅差10倍。

顺便说一句，您不必使数据集在1和0之间保持平衡。您所需要的是足够多的1，以最大程度地收敛。查看数据集中1的分布（100,000），您应该不会有任何问题。您可以在这里做一个简单的实验

1. 取样1％的10％和0％的10％，并且两者的权重均为10
2. 采样100％的1和10％的0，并使用权重10表示0

在两种情况下，您将获得相同的估计值。同样，加权的想法与抽样有关。如果使用整个数据集，则不应对其加权。如果我是你，我将只使用10％（如果是1）和10％（0）。

在R中，您可以使用glm。这是一个示例代码：

glm(y ~ x1 + x2, weights = wt, data =data, family = binomial("logit"))

在您的数据集中应该有一个wt权重变量。

如果您同时使用0和1的10％，则wt变量的值为10。

如果您使用0的10％和1的100％：wt对于y = 0的观测值，变量的值为10，对于y = 1的观测值，变量的值为1

加权是对数据加权以补偿样本和总体差异的程序（King 2001）。例如，在罕见事件中（例如信用风险欺诈，医学文献中的死亡），我们倾向于对所有1（稀有事件）和零（0）（非事件）进行采样。在这种情况下，我们必须相应地加权观测值。

示例：假设，在50万笔交易中，有50笔欺诈交易。在这种情况下，您会

1. 采样所有50个欺诈交易（欺诈的100％）
2. 良好交易的10％（500,000的10％为50,000良好交易）

在这种情况下，您将为欺诈交易分配1的权重，为良好交易分配10的权重。这称为加权最大似然法。重要的一点是，权重与抽样比例有关

请参阅：稀有事件数据中的逻辑回归（King 2001）