逻辑回归案例练习

一、什么是逻辑回归

Logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于它们的因变量不同，其他的基本都差不多。正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalizedlinear model）。

这一家族中的模型形式基本上都差不多，不同的就是因变量不同。

• 如果是连续的，就是多重线性回归；
• 如果是二项分布，就是Logistic回归；
• 如果是Poisson分布，就是Poisson回归；
• 如果是负二项分布，就是负二项回归。

Logistic回归的主要用途：

• 寻找危险因素：寻找某一疾病的危险因素等；
• 预测：根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大；
• 判别：实际上跟预测有些类似，也是根据模型，判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某病。

参考链接：https://blog.csdn.net/pakko/article/details/37878837

二、例题实践

准确理解机器学习算法的常用评价指标。
假如重庆交通大学准备招标采购一套宿舍行人目标图像识别系统，选择2家公司的产品来测试。测试手段是：从学生宿舍区一段监控视频中识别男生的人数。
实验结果如下：

1. 算法1（产品1）的检测结果：检测出“男生”人数82人，其中78人为男生，4人其实是女生；
   2）算法2（产品2）的检测结果：检测出“男生”人数88人，其中80人为男生，8人其实是女生；
   3）经过人工检测，视频中实际准确的总人数为100人，其中男生80人，女生20人。
   请问算法1和算法2的“查准率”“查全率”“F1-score”等分别是多少？你认为哪个更优秀？
   
   从结果来看算法2无论是查准率还是查全率还是F1-socre都要优于算法1，所以算法2更好。