计算用Logistic回归法建立的模型的准确度

Question

我正在使用逻辑回归的方法来预测我的数据集的结果，想知道如何计算准确性。

代码。

table(test$get_admission,predictTest >= 0.5)

输出：我正在使用逻辑回归方法预测数据集的结果，想知道准确率是如何计算的。

Answer 1

有很多方法可以评估数据集上逻辑回归模型的准确性。

我认为你发布的是一个 "混淆矩阵"，它显示了测试数据集上模型预测的真阳性、真阴性、假阳性和假阴性。混淆矩阵（基本上）是由一组 "测试 "数据建立的，这些数据不是用来训练你的模型的，你知道实际值，然后在测试数据集的输入上运行你的模型，并测量实际值和预测值（你的模型的输出）之间的差异。这里有一篇文章是关于测量一般模型的准确性的。https:/clevertap.comlogthe -best -metric tomeasure -accuracy -of -classification -models(分类模型的准确性)

本文介绍了在R中评估逻辑模型的一些方法。https:/www.r-bloggers.comevaluating-logistic-regression-models

关于你的数据，没有足够的信息来特别推荐什么。

Answer 2

准确率是这样计算的。(真阳性+真阴性)(真阳性+真阴性+假阳性+假阴性)

你可以这样做（最后一行第二个）。

test <- c()
test$get_admission <- c(rep(0, 20), rep(1, 80))

predictTest <- c(rep(0, 1), rep(0.6, 99))

confusion <- table(test$get_admission, predictTest >= 0.5)
confusion

accuracy <- (confusion[2, 2] + confusion[1, 1]) / sum(confusion)
accuracy