全面盘点逻辑回归模型的 5 大评估指标

文章预览

引言 逻辑回归（Logistic Regression）是一种常用的分类算法。 它的核心思想是通过一个线性模型来预测事件发生的概率，并使用逻辑函数（Sigmoid 函数）将结果映射到 [0, 1] 之间。 在这篇文章中，我们将深入讨论逻辑回归模型的评估指标，包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1 Score）以及ROC-AUC曲线。 1. 常见的逻辑回归模型评估指标 1.1 准确率 (Accuracy) 准确率是最常见的评估指标，它计算正确预测的比例。公式如下： 其中： TP （True Positive） ：模型正确预测的正例数量。 TN（True Negative） ：模型正确预测的负例数量。 FP （False Positive） ：模型错误预测为正例的负例数量（即假阳性）。 FN（False Negative） ： 模型错误预测为负例的正例数量（即假阴性）。 准确率在数据集不平衡的情况下并不总是有效。例如，如果正类样 ………………………………