Office Data

精确度和完整性的“良好”值是主观的，取决于您的用例。

在这种疾病预测场景中，我们总是希望识别出患有这种疾病的人，即使这存在误报的风险。在这里，我们将构建比准确更完整的模型。

另一方面，如果我们要构建一个模型来阻止恶意行为者进入电子商务网站，我们可能需要更高的精度，因为阻止合法用户会导致销售额下降。

我们经常使用称为 F1 分数的指标的调和平均值。简 加拿大数据 而言之，F1 分数通过计算平均值将精确度和完整性合并为一个指标。

AUC（即曲线下面积）是用于衡量分类模型性能的另一个流行指标。算法的 AUC 告诉我们其区分正类和负类的能力。

要了解有关 AUC 等度量及其计算方式的更多信息，请关注Datacamp 的R 中的监督学习课程。

现在让我们看看不同类型的分类模型及其工作原理：

逻辑回归
逻辑回归是一种简单的分类模型，可预测事件发生的概率。

以下是逻辑回归模型如何工作的示例：

逻辑回归

作者头像

上图显示了一个逻辑函数，该函数根据文本中否定关键字的频率将电子邮件数据分为两类：“垃圾邮件”和“非垃圾邮件”。

请注意，与线性回归算法不同，逻辑回归采用 S 形曲线建模，称为逻辑函数，具有以下公式：

物流函数公式

虽然线性函数没有上限或下限，但逻辑函数的范围在 0 和 1 之间。模型预测的概率范围在 0 到 1 之间，该概率确定数据点所属的类。

在此垃圾邮件示例中，如果文本包含很少或不包含可疑关键字，则其为垃圾邮件的概率将很低且接近于 0。另一方面，包含许多可疑关键字的电子邮件将有很高的概率为垃圾邮件。 ，接近于1。

然后将该概率转换为分类结果：

分类结果

作者头像

所有红色点都是垃圾邮件的概率 >= 0.5。因此，它们被分类为垃圾邮件，逻辑回归模型将返回分类结果 1。绿色点为垃圾邮件的概率 < 0.5，因此模型将它们分类为“非垃圾邮件”并返回排名结果为 0。

对于像上面这样的二分类问题，逻辑回归模型的默认阈值是0.5，这意味着概率大于0.5的数据点将自动分配标签1。这个阈值可以根据您的情况手动修改用例以获得更好的结果。