逻辑回归的优缺点，在金融领域相比其他算法有什么优势，局限性在哪？

Nen 2021-09-16 15:11

- 程序员

1）优点：

-实现简单，速度快，占用内存小，可在短时间内迭代多个版本的模型。

-模型的可解释性非常好，可以直接看到各个特征对模型结果的影响，可解释性在金融领域非常重要，所以在目前业界大部分使用的仍是逻辑回归模型。

-模型客群变化的敏感度不如其他高复杂度模型，因此稳健更好，鲁棒性更强。

-特征工程做得好，模型的效果不会太差，并且特征工程可以并行开发，大大加快开发的速度。

-模型的结果可以很方便的转化为策略规则，且线上部署简单。

2）缺点和局限性:

-容易欠拟合，相比集成模型，准确度不是很高。

-对数据的要求比较高，逻辑回归对缺失值，异常值，共线性都比较敏感，且不能直接处理非线性的特征。所以在数据清洗和特征工程上会花去很大部分的时间。

-在金融领域对场景的适应能力有局限性，例如数据不平衡问题，高维特征，大量多类特征，逻辑回归在这方面不如决策树适应能力强。