逻辑回归模型总结-机器学习

逻辑回归被广泛的用来解决分类问题。由于分类是非线性问题，所以建模的主要难点是如何把非线性问题转换为线性问题。

在模型评估层面，讨论了两类相互有关联的评估指标。对于分类问题的预测结果，可以定义为相应的查准查全率。对于基于概率的分类模型，还可以绘制它的ROC曲线，以及计算曲线线面的面积AUC。

以下来源百度百科

ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。传统的诊断试验评价方法有一个共同的特点，必须将试验结果分为两类，再进行统计分析。ROC曲线的评价方法与传统的评价方法不同，无须此限制，而是根据实际情况，允许有中间状态，可以把试验结果划分为多个有序分类，如正常、大致正常、可疑、大致异常和异常五个等级再进行统计分析。因此，ROC曲线评价方法适用的范围更为广泛。