返贫的概率预测案例分析

本文考虑了对监测对象返贫可能性的量化度量，并且采用逻辑回归模型对返贫概率值进行预测。为了避免模型过拟合现象，本文采用了L2正则化算法来缓解。经模型训练后，得到对脱贫户的返贫预测精度如表12所示。

表12　逻辑回归模型预测返贫概率结果表

在共计19989条用于测试模型效果的监测对象数据中，经学习训练后得到的逻辑回归模型预测监测对象是否会返贫的正确率达到95.24%。从预测结果上来看，模型的实际效果较优。

此外，为了更清晰地表示逻辑回归模型分类的结果，本文对分类的决策边界进行了可视化。从可视化图（见图30）中可以看出，经过逻辑回归训练学习得到的决策边界很好地将贫困和非贫困两个属性分割开来。

图30　逻辑回归模型决策边界可视化