Detalles de Logistic Regression
La pantalla Detalle de modelo incluye la siguiente información para modelos Logistic Regression:
Métricas
- Error cuadrático medio (MSE)
- Error cuadrático medio de raíz (RMSE)
- Número de observaciones
- R-cuadrado (R2)
- Pérdida logarítmica (Logloss)
- Área bajo la curva (AUC)
- Coeficiente Gini
- Error medio por clase
- Criterio de información Akaike (AIC)
- Desviación residual
- Desviación nula
- Grado de libertad nulo
- Grado de libertad residual
Umbral de métricas máximas
- max f1
- max f2
- max f0point5
- max accuracy
- max precision
- max recall
- max specificity
- max absolute_mcc
- max min_per_class_accuracy
- max mean_per_class_accuracy
Matriz de confusión
Ilustra el rendimiento de un modelo en un conjunto de datos de capacitación, prueba y N subconjuntos para los que se conocen los valores verdaderos.
Gráfico de coeficiente estándar
Muestra los predictores más importantes proporcionando el valor relativo de los coeficientes, lo que indica cuánto cambia el objetivo por un cambio en la entrada.
Coeficientes de GLM
Muestra los coeficientes para un modelo lineal generalizado, que estiman los modelos de regresión para resultados que siguen distribuciones exponenciales.
Curvas AUC
Área bajo la curva; determina cuál de los modelos usados predice las clases que mejor usan los datos de capacitación, prueba y N subconjuntos.
Curvas de ganancia/elevación
Evalúan la capacidad de predicción de un modelo de clasificación binaria usando datos de capacitación, prueba y N subconjuntos.