如何用二元变量构建逻辑回归模型？及G3变量转换方法咨询

第一步：转换你的G3因变量 #

首先搞定你提到的因变量转换问题——把原有的「1=不及格，2=及格」转换成「1=不及格，0=及格」，这在常用的数据分析工具里都非常简单，给你两种主流工具的操作方式：

Python（用Pandas） #

假设你的学生数据存在一个Pandas DataFrame（比如叫student_df），有两种直观的实现方法：

• 方法1：用map直接映射字典，一眼就能看明白对应关系：

import pandas as pd

# 直接把原G3的1映射成1，2映射成0
student_df['G3_binary'] = student_df['G3'].map({1: 1, 2: 0})

• 方法2：用np.where做条件判断，适合后续可能扩展复杂条件的场景：

import numpy as np

# 当原G3等于1时赋值1，否则赋值0
student_df['G3_binary'] = np.where(student_df['G3'] == 1, 1, 0)

转换完记得检查一下新变量的分布，比如用student_df['G3_binary'].value_counts()确认数量和原数据对应上，避免转换错误。

R语言 #

如果用R处理，一行ifelse就能搞定：

# 假设你的数据框叫student_data
student_data$G3_binary <- ifelse(student_data$G3 == 1, 1, 0)

同样可以用table(student_data$G3_binary)验证转换结果。

第二步：构建逻辑回归模型 #

逻辑回归的核心是用线性模型拟合二元因变量的对数几率，下面分别用Python和R演示完整的建模流程：

Python（用Scikit-learn） #

1. 先分离特征矩阵X（所有用来预测的自变量，比如学生的平时成绩、学习时间等）和目标变量y（刚才转换好的G3_binary）
2. 分割训练集和测试集（避免模型过拟合）
3. 初始化并训练模型
4. 评估模型效果

示例代码：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report
from sklearn.preprocessing import StandardScaler

# 分离特征和目标变量
X = student_df.drop(['G3', 'G3_binary'], axis=1)  # 移除原G3和目标变量
y = student_df['G3_binary']

# 对数值特征做标准化（逻辑回归对尺度敏感，这一步很重要）
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 分割数据集（80%训练，20%测试）
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 初始化模型，增加max_iter避免收敛问题，类别不平衡可以加class_weight='balanced'
model = LogisticRegression(max_iter=1000)

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)
y_pred_proba = model.predict_proba(X_test)  # 可以获取每个样本的不及格概率

# 评估模型
print("准确率：", accuracy_score(y_test, y_pred))
print("混淆矩阵：\n", confusion_matrix(y_test, y_pred))
print("分类报告：\n", classification_report(y_test, y_pred))

R语言（用基础包glm） #

R里用广义线性模型glm()函数，指定family=binomial就能实现逻辑回归：

# 构建模型，这里用所有其他变量作为特征，你也可以指定具体特征比如G1+G2+studytime
model <- glm(G3_binary ~ ., data = student_data, family = binomial(link = "logit"))

# 查看模型详细结果（系数、p值、显著性等）
summary(model)

# 预测不及格概率和分类结果
student_data$pred_prob <- predict(model, type = "response")  # 输出0-1之间的概率
student_data$pred_class <- ifelse(student_data$pred_prob > 0.5, 1, 0)  # 用0.5作为阈值划分类别

# 计算准确率评估模型
accuracy <- mean(student_data$pred_class == student_data$G3_binary)
cat("准确率：", accuracy, "\n")

小提醒 #

• 如果你的数据集存在类别不平衡（比如不及格学生远少于及格学生），别只看准确率，多关注F1-score、AUC-ROC这类更适合不平衡数据的指标，也可以给模型加类别权重。
• 训练前记得处理缺失值，逻辑回归对缺失数据比较敏感，要么填充要么删除对应样本。

内容的提问来源于stack exchange，提问作者WYQ