R语言构建logistic回归模型并评估模型：计算混淆矩阵并基于混淆矩阵计算AccurayPrecisionRecall(sensitivity)F1Specificity指标
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了R语言构建logistic回归模型并评估模型：计算混淆矩阵并基于混淆矩阵计算AccurayPrecisionRecall(sensitivity)F1Specificity指标相关的知识，希望对你有一定的参考价值。
R语言构建logistic回归模型并评估模型：计算混淆矩阵、并基于混淆矩阵计算Accuray、Precision、Recall(sensitivity)、F1、Specificity指标
目录
以上是关于R语言构建logistic回归模型并评估模型：计算混淆矩阵并基于混淆矩阵计算AccurayPrecisionRecall(sensitivity)F1Specificity指标的主要内容，如果未能解决你的问题，请参考以下文章
R语言构建logistic回归模型并评估模型：构建基于混淆矩阵计算分类评估指标的自定义函数阳性样本比例（垃圾邮件比例）变化对应的分类器性能的变化基于数据阳性样本比例选择合适的分类评估指标
R语言构建logistic回归模型：模型系数（model coefficient）模型总结信息（summary）模型评估（偏差deviance计算伪R方计算（ pseudo R-squared）
R语言构建logistic回归模型并使用偏差(Deviance)和伪R方（pseudo R-squared ）评估概率模型：使用sigr包快速计算偏差和伪R方AIC赤信息指标和偏差的关系
R语言glm拟合logistic回归模型：输出logistic回归的summary信息可视化logistic回归模型的系数logistic回归模型分类评估计算（混淆矩阵accuracy偏差）
R语言glm拟合logistic回归模型：模型评估（计算模型拟合的统计显著性）模型评估（赤信息AIC指标计算）
R语言构建logistic回归模型并使用对数似然（log likelihood）评估概率模型：对数似然（log likelihood）会惩罚预测和真实类标签之间的不匹配预测模型与空模型的对数似然对比