逻辑回归等分类模型的5大评估指标

大家好，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。本文将给大家介绍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：

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，如果正类样本非常少，模型只需预测所有样本为负类，准确率可能仍然很高，但模型实际