Detalles de Logistic Regression

La pantalla Detalle de modelo incluye la siguiente información para modelos Logistic Regression:

Métricas

Proporciona datos de capacitación, prueba y N subconjuntos para lo siguiente:
  • 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
  • AIC
  • Desviación residual
  • Desviación nula
  • Grado de libertad nulo
  • Grado de libertad residual

Umbral de métricas máximas

Proporciona el Umbral de métricas máximas de capacitación para datos de capacitación, prueba, N subconjuntos usando las métricas siguientes:
  • 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

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.