Détails de Logistic Regression

L’écran Détail du modèle affiche les informations suivantes pour les modèles Logistic Regression :

Mesures

Fournit des données de formation, de test et N fois pour les éléments suivants :
  • Mean squared error (MSE)
  • Root mean squared error (RMSE)
  • Nombre d’observations
  • R-squared (R2)
  • Logarithmic loss (Logloss)
  • Area under the curve (AUC)
  • Coefficient Gini
  • Moyenne par erreur de classe
  • Akaike information criterion (AIC)
  • Déviance résiduelle
  • Déviance nulle
  • Degré de liberté nul
  • Degré de liberté résiduel

Seuil de métrique maximum

Fournit le seuil de métrique maximum de formation pour les données de formation, de test et N fois à l'aide des métriques suivantes :
  • 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

Matrice de confusion

Illustre les performances d’un modèle sur un ensemble de données de formation, de test et N fois dont les valeurs true sont connues.

Graphique de coefficients standardisé

Affiche les prédicteurs les plus importants en fournissant la valeur relative des coefficients, qui indique dans quelle mesure une modification de l'entrée modifie l'objectif.

Coefficients GLM

Affiche les coefficients d'un Generalized Linear Model, qui évalue les résultats des modèles de régression suivant des répartitions exponentielles.

Courbes AUC

Area Under the Curve ; détermine lequel des modèles utilisés prédit le mieux les classes à l'aide des données de formation, de test et N fois.

Courbes de montée/gain

Évalue la capacité de prédiction d'un modèle de classification binaire à l'aide des données de formation, de test et N fois.