Python 逻辑回归是创建评分模型的更好方法吗？

我有一个用户详细信息的数据集，我想在其中为每个用户生成一个分数

所需的输出范围看起来像是低、中、高。我正在进行逻辑回归

这是处理这类问题的正确方法吗

---

有什么建议吗？

回答你的问题：这是一个不错的模式，在大多数情况下是建议的

更重要的问题是，在我看来，您应该在这里询问的是您拥有什么类型的用户数据，以及它在选择的模型中表现如何：

  - data has a large number of features: you probably want to run a PCA, XGBOOST or another feature importance evaluation to separate useful features from noise features
  - you have a large amount of text data, i.e. logs: you might want to attach a naive Bayes, tf/idf or another model that performs well with text-based data
  - does your data tend to overfit when using model X? Maybe you want to do data engineering or try a different model

---

我给您的建议是，首先构建LR模型，看看它在您的训练/测试/预测数据集上表现如何，评估性能是否符合您的需要，然后再思考/讨论不同的模型/方法

当然，我将使用LR模型，在分析输出后，将返回给您。谢谢