affectation régression de Poisson

Bonjour,

je ne sais pas si ma question est complètement idiote ou pas, mais dans le doute je préfère la poser :-) :

Je travaille sur un modèle de comptage. J'ai donc utilisé une régression de Poisson (ZIP en l'occurrence).

Ma question est :
- de la même façon que pour une régression logistique on peut jouer sur le seuil d'affectation pour augmenter le taux de bon classement ou trouver des compromis entre sensibilité et spécificité, est-il possible de faire de même pour les prévisions d'une régression de Poisson.

Et on aurait :
a <=estimation < b alors 1 contact,
b <=estimation < c alors 2 contacts,
etc.

Est-ce que cela a un sens ou pas? Existe-t-il des méthodes pour ça?

Merci!

Bonjour,

Je ne connais pas de méthodes faisant ça, mais je ne suis pas un spécialiste des ZI models.
Par contre ça me semblerait étrange dans la mesure ou la prédiction que tu obtiens est l'espérance de Y sachant X. Tu n'es pas dans un cas ou l'espérance représente une probabilité que tu peux discrétiser en 0 ou 1 selon le critère de ton choix, tu as une espérance qui est continues et une variable aléatoire qui peut prendre en théorie une infinité de valeurs (au lieu de 2 comme dans le cas d'une régression logistique).
Du coup je ne vois pas trop ce que ça voudrait dire ou ce que ça représenterait, ça voudrait dire aussi avoir une très grande quantité d'intervalle ?

cdlt

Dans la logistique l'espérance représente en effet une probabilité mais reste une variable continue (mais bornée).
Sur la Poisson, lorsqu'il t'estime ton espérance, tu peux prendre par exemple l'arrondi de ton espérance pour estimer ton nombre de contact discrétisé.
Tu peux donc faire une matrice de confusion qui pourrait être optimisée en modifiant les seuils d'affectation?
Tu aurais presque autant d'intervalles que de valeurs dans ta base à modéliser.

Mais j'ai du mal à voir si ça a effectivement un sens ou pas...