是否可以运行只有 1 而没有 0 的 logit 模型？

Question

对于我的论文，我正在尝试构建一个模型，该模型通过 logit 模型正确预测我的样本。首先遇到python没有logit模型，只有logistic模型的问题。但是使用这个逻辑模型，我在[logreg.fit(X_train,y_train)] 下面的代码中遇到错误。
我的错误如下：此求解器需要数据中至少 2 个类的样本。好吧，我的数据只包含一，不包含零。所以这个错误是正确的，在某种意义上它应该是这样的。有没有办法绕过这个错误，这样我就可以继续我的分析，而不必寻找各种数据来获得零，由于我的数据库的复杂性，这将太耗时了。

我已经尝试修复它，但还没有找到任何可以解决此问题的方法。删除提供错误的行也不是一种选择，因为这在代码中进一步产生了许多新问题。

feature_cols =['RSIZE','EXRETAVG','NIMTAAVG','TLMTA','CASHMTA','SIGMA','PRICE','MB']
X = df[feature_cols]
y = df.Bankrupt
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_state=0)
logreg = LogisticRegression()
logreg.fit(X_train,y_train)
y_pred=logreg.predict(X_test)



cnf_matrix = metrics.confusion_matrix(y_test, y_pred)
print(cnf_matrix)
class_names=[0,1] # name  of classes
fig, ax = plt.subplots()
tick_marks = np.arange(len(class_names))
plt.xticks(tick_marks, class_names)
plt.yticks(tick_marks, class_names)
sns.heatmap(pd.DataFrame(cnf_matrix), annot=True, cmap="YlGnBu" ,fmt='g')
ax.xaxis.set_label_position("top")
plt.tight_layout()
plt.title('Confusion matrix', y=1.1)
plt.ylabel('Actual label')
plt.xlabel('Predicted label')
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))
print("Precision:",metrics.precision_score(y_test, y_pred))
print("Recall:",metrics.recall_score(y_test, y_pred))
y_pred_proba = logreg.predict_proba(X_test)[::,1]
fpr, tpr, _ = metrics.roc_curve(y_test,  y_pred_proba)
auc = metrics.roc_auc_score(y_test, y_pred_proba)
plt.plot(fpr,tpr,label="data 1, auc="+str(auc))
plt.legend(loc=4)
plt.show()

Answer 1

简短的回答是你总是需要不止一门课。

任何模型所做的都是尝试确定每个变量（特征，您的 X）如何影响因变量（Y，您的类别）的结果。现在，如果您的因变量中只有一个类别，那么无论您的 X 具有什么值和值组合，您将始终得到相同的结果。
这意味着如果你只在一个类（你的类）上训练你的模型，那么在测试时它总是会返回 1（你基本上不需要训练和测试任何东西）。

一个玩具示例可能是：Y 是观察是否在一年内违约。 X 通过某种模型计算的纯违约概率。

假设如果您的模型预测 Y=1（默认在一年内）如果 X>0.5，那么您会很高兴。
然后，您只对 Y=1 的情况进行二次抽样并训练您的模型。无论X 取什么值，您都会得到一条简单的平线 (Y=1)。
这意味着在测试您的模型时，无论 X 的值是什么以及因变量的实际结果是什么，您总是会估计 Y=1。