如何选择罕见事件的Logistic回归的截止概率

我有100,000个观察值（9个虚拟指标变量），具有1000个正值。Logistic回归在这种情况下应该可以正常工作，但临界概率使我感到困惑。

在普通文献中，我们选择50％截止值来预测1和0。我无法执行此操作，因为我的模型给出的最大值约为1％。因此，阈值可以在0.007或附近。

我确实了解ROC曲线以及曲线下的面积如何帮助我在同一数据集的两个LR模型之间进行选择。但是，ROC并不能帮助我选择最佳截断概率，该概率可以用来对样本外数据进行模型测试。

我是否应该简单地使用最小化阈值的截止值misclassification rate？（http://www2.sas.com/proceedings/sugi31/210-31.pdf）

添加->对于如此低的事件发生率，我的错误分类率受到大量误报的影响。虽然总体宇宙的大小也很大，但总体上看来该比率很高，但是我的模型不应有那么多的误报（因为它是投资回报模型）。5/10系数很重要。

我不同意50％的界线本质上是有效的或得到文献的支持。只有这样的情况才是合理的，这是在病例对照设计中，结果的发生率恰好是50％，但即使这样，选择也要受一些条件的影响。我认为选择截止值的主要原理是诊断测试所需的操作特性。

可以选择截止值以获得期望的灵敏度或特异性。有关此示例，请查阅医疗设备文献。灵敏度通常设置为固定值：示例包括80％，90％，95％，99％，99.9％或99.99％。敏感性/特异性的权衡应与I型和II型错误的危害进行比较。通常，与统计测试一样，I型错误的危害更大，因此我们可以控制这种风险。但是，这些危害很少可以量化。因此，我主要反对基于单一预测精度度量的临界选择方法：它们错误地传达了可以并且已经量化的危害。

您的误报过多问题就是一个相反的例子：II型错误可能更有害。然后，您可以设置阈值以达到所需的特异性，并在该阈值下报告达到的灵敏度。

如果您发现两者都太低而不能被实践接受，那么您的风险模型将不起作用，应将其拒绝。

灵敏度和特异性很容易计算，或者可以在表格中查找所有可能的临界值。ROC的问题在于它忽略了图形中的特定截止信息。因此，ROC与选择截止值无关。