在训练逻辑回归中给予“部分信誉”（连续结果）是否是一个好主意？

我正在训练逻辑回归，以预测哪些运动员最有可能完成艰苦的耐力赛。

很少有跑步者完成这场比赛，所以我的课时失衡非常严重，并且只有很少的成功案例（也许是几十个）。我觉得我可以从几十个几乎做到这一点的跑步者那里得到一些好的“信号” 。（我的训练数据不仅完成了，而且还没有完成，实际达到了多少。）因此，我想知道是否包括一些“部分功劳”是一个糟糕的主意。我想出了一些用于部分功劳的函数，坡度和逻辑曲线，可以给它们提供各种参数。

与回归的唯一区别是，我将使用训练数据来预测修改后的连续结果，而不是二进制结果。比较他们对测试集的预测（使用二进制响应），我得出的结论还很不确定-逻辑部分信用似乎在某种程度上改善了R平方，AUC，P / R，但这只是使用小样本。

我不关心预言正在向着完成均匀偏见-我在意的是正确的排名上出现的可能性参赛者完成，或者甚至估计其相对整理的可能性。

我了解到逻辑回归假设预测变量与比值比的对数之间存在线性关系，并且如果我开始混淆结果，显然该比值没有任何实际解释。我确信从理论上讲这并不明智，但它可能有助于获得一些附加信号并防止过拟合。（我的预测变量几乎与成功一样多，因此使用部分完成的关系作为检查完全完成的关系可能会有所帮助）。

在负责任的实践中曾经使用过这种方法吗？

不管哪种方式，是否还有其他类型的模型（也许是某种明确地对危险率建模的模型，应用于距离而不是时间）可以更适合此类分析？

这似乎是生存分析的工作，例如Cox比例风险分析或可能的某些参数生存模型。

与您解释时相反地考虑这个问题：与更早的退出距离相关的预测变量是什么？

戒烟是大事。在标准的生存分析中，覆盖的距离可能被认为等同于事件发生的时间。然后，您有许多事件等于退出的人数，因此，预测变量数量有限的问题将减少。所有退出者都提供信息。

Cox模型（如果对您的数据有效）将基于所有预测变量值提供线性预测变量，从而按照预测的退出距离对选手进行排名。