问Logistic回归绩效评价指标
EN

Data Science用户

提问于 2019-03-06 04:31:20

回答 1查看 13.5K关注 0票数 1

我建立了一个Logistic回归模型，并对模型的性能进行了评估。我想了解它的评估指标。

度量的敏感性、特异性、假阳性率、精确性、召回性和准确性能告诉我们关于这个模型的哪些信息？

回答已采纳

发布于 2019-03-06 07:19:47

由于Logistic回归与线性回归是不一样的，所以预测的精确性会产生误导。**混淆矩阵**是评估模型性能的一种方法。检查True Positives、False Negatives ( Type II Error)的值非常重要。

** ROC曲线**接收机工作特性(ROC)通过评估真阳性率(灵敏度)和假阳性率(1-特异性)之间的权衡来总结模型的性能。

票数 2

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/46748

复制

相似问题

问Logistic回归绩效评价指标EN