训练集验证集组间差异

请问做logistic死亡预测模型，数据量共8万，按7：3分为训练集和验证集，卡方检验显示p值小于0.05，基线资料有差异怎么办?

• 这篇文章：种群数量变化模型logistic模型的种群数量函数 也许能够解决你的问题，你可以看下
• 除此之外, 这篇博客: 机器学习 利用Logistic回归解决审计风险分类问题中的 5.3 改进的随机梯度上升算法 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 
  #改进的随机梯度上升算法
  def stocGradAscent1(dataMatIn, classLabels, numIter=150):
      #迭代次数若未给定，则默认迭代150次
      dataMatrix = array(dataMatIn)
      m,n = shape(dataMatrix)
      weights = ones(n)
      for j in range(numIter):
          dataIndex = list(range(m))
          for i in range(m):
              # alpha每次迭代时需要调整
              alpha = 4/(1.0+j+i)+0.0001
              #随机选取样本更新回归系数
              # uniform() 方法将随机生成下一个实数，它在[0,len(dataIndex)]范围内
              randIndex = int(random.uniform(0,len(dataIndex)))
              h = sigmoid(sum(dataMatrix[randIndex]*weights))
              error = classLabels[randIndex] - h       #计算误差
              weights = weights + alpha * error * dataMatrix[randIndex]
              # 删除已使用的样本
              del(dataIndex[randIndex])
      return weights

  上面的改进版随机梯度上升算法，我们修改了两处代码。

  第一处改进为 alpha 的值。alpha 在每次迭代的时候都会调整，这回缓解上面波动图的数据波动或者高频波动。另外，虽然 alpha 会随着迭代次数不断减少，但永远不会减小到 0，因为我们在计算公式中添加了一个常数项。

  这里利用随机梯度下降解释这样优化alpha的原因：

  

   在最开始时梯度较大，步长alpha可以比较大，但梯度是呈现逐渐减小趋势的，这时离最优值也越来越近，步长alpha也要随之减小。如果下降速率很大，在接近最优点时，梯度乘以了一个数值比较大的alpha，就会出现下图这类情况。

  

  例如从点1直接跳到了点2，开始震荡，上述迭代次数与回归系数关系图中的较大震荡产生的原因，而上述对步长alpha的优化即可避免这类情况，虽然举例用的是梯度下降，但梯度上升和梯度下降的原理是一致的。

  第二处修改为 randIndex 更新，这里通过随机选取样本拉来更新回归系数。这种方法将减少周期性的波动。这种方法每次随机从列表中选出一个值，然后从列表中删掉该值（再进行下一次迭代）。

  拟合结果：

  

   拟合出和第一种差不多的效果，但使用的计算量更少，主要是因为随机机制避免周期性波动；stocGradAscent1()收敛更快。这次仅对数据集做了m(m=100)次遍历，而之前的方法是500次。

• 您还可以看一下 CSDN就业班老师的第三章：Logistic回归模型课程中的 牛顿法小节, 巩固相关知识点