单二分类因变量与自变量的逻辑回归结果异常：混淆矩阵无0类输出

核心问题1：预测值与真实值类别体系不匹配 #

你的代码中，预测结果用数字1、2表示，但真实标签V1是取值为"False"（对应原0）和"True"（对应原1）的因子。两者类别不对应，导致混淆矩阵无法正确展示两类结果。

修复代码： #

替换原预测值转换逻辑，将结果转为与真实标签一致的因子：

# 替换原预测值转换代码
predict_reg <- ifelse(predict_reg > 0.5, "True", "False")
# 确保预测值的因子水平与真实标签完全匹配
predict_reg <- factor(predict_reg, levels = c("False", "True"))

核心问题2：模型对所有样本预测为同一类别 #

调整阈值后仍只有一类结果，说明模型对测试集所有样本的预测概率都高于（或低于）阈值，导致预测结果全为True。常见诱因：

• 数据不平衡：4500行原始数据中V1=1的样本占比过高，模型倾向于预测多数类。
• 特征区分度弱：自变量V2无法有效区分V1的两类，模型学不到有效规则。

应对措施： #

• 检查测试集类别分布：
  先确认测试集是否同时包含两类样本：

  table(test_reg$V1)
  

  如果测试集仅含V1=1，属于抽样问题，重新拆分数据集即可。

• 处理数据不平衡：
  若训练集两类占比悬殊，可采用以下方法：

  • 过采样少数类（如SMOTE算法）
  • 欠采样多数类
  • 训练模型时给少数类加权重：

    logistic_model <- glm(V1 ~ V2, 
                          data = train_reg, 
                          family = "binomial",
                          weights = ifelse(V1 == "False", 5, 1)) # 权重值按需调整
    

• 验证模型预测概率分布：
  查看预测概率的分布情况，确认是否全偏向某一端：

  # 保留原始预测概率
  predict_reg_prob <- predict(logistic_model, test_reg, type = "response")
  # 绘制概率分布直方图
  hist(predict_reg_prob)
  

完整修正后的示例代码 #

# 构建数据集
df <- data.frame(V1 = c(0,1,1,0,0,1,1,0,1,1,1,0,0,1),
                 V2 = c(1,1,1,1,1,1,2,1,2,1,1,1,1,1))

# 设置因子水平（无需重复转换）
df$V1 <- factor(df$V1, levels = c(0, 1), labels = c("False", "True"))

# 按因变量拆分数据集，保证训练/测试集类别分布一致
split <- caTools::sample.split(df$V1, SplitRatio = 0.8)
train_reg <- subset(df, split == TRUE)
test_reg <- subset(df, split == FALSE)

# 训练逻辑回归模型（可选加入类别权重）
logistic_model <- glm(V1 ~ V2, 
                      data = train_reg, 
                      family = "binomial")

# 获取原始预测概率
predict_reg_prob <- predict(logistic_model, test_reg, type = "response")

# 转换为与真实标签匹配的类别
predict_reg <- ifelse(predict_reg_prob > 0.5, "True", "False")
predict_reg <- factor(predict_reg, levels = c("False", "True"))

# 生成混淆矩阵
table(test_reg$V1, predict_reg)

内容的提问来源于stack exchange，提问作者vp_050