本文探讨了逻辑回归的基础，并通过实例分析了两种算法的查准率、查全率和F1-score。在重庆交通大学的宿舍行人目标识别系统测试中，算法1查准率为95%，查全率为95%，而算法2分别为80%和95%。根据指标，算法2在查准率上有优势，算法1在查全率和F1-score上占优。综合来看，两者各有优缺点。
一、学习任务
学习理解逻辑回归的基本概念，练习python代码的实现，在notebook中写入自己的理解注释。
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：
- 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？
二、学习内容
1.常用评价指标
二分类问题，分类结果的混淆矩阵
一般情况下，查准率高，查全率就会偏低
2.实验分析
1.获取混淆矩阵
算法1：
算法2：
2.计算查准率，查全率，F1-score
算法1：
算法2:
3.比较
从查准率评价指标，算法2都要优于算法1，从查全率和F1度量评价指标，算法1要优于算法2。综上，算法2更好。
2073
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
