逻辑回归模型的评估方法

从Weka工具跑回归模型可以看到评估的输出，怎么解读自行脑补过，大概明白了些。

翠花，上截图！

我们普通人最直接的理解是正确率吧。应该对应到Correctly Classified Instances比例（正确分类了的实例）。
在上图中，总实例数1000，正确分类了963，*正确率*96.3% 。

TP、FP、FN、TN
但一两个数往往说明不了问题，专业人士们，会看真的、被分对、真的、被分错、假的、被分错、假的、被分对各是什么情况。
专业人士说用TP、FN、FP、TN来表示……

• TP：True Positive，“真阳性”。
• FP：False Positive，“假阳性”。
• FN：False Negative，“假阴性”。
• TN：True Negative，“真阴性”。

老外发明的标记法，跟我们东方人思维不一样，太混淆了，对比了N篇博客和翻译之后，我觉得可以这样理解：
“T”表示判定对了，“F”表示判定错了
“P”表示有事（即“命中”、“对应上”），“N”表示没事
于是：

• TP：正确地判定了“命中”
• FP：错误地判定了“命中”
• TN：正确地判定了“不命中”
• FN：错误地判定了“不命中”

有几个术语：

• 误检率： fp rate = sum(fp) / (sum(fp) + sum(tn))
• 查准率： precision rate = sum(tp) / (sum(tp) + sum(fp))
• 查全率： recall rate