逻辑回归

问题提出

题目： 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；
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；
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。
问题： 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？

引入分类结果混淆矩阵概念

真实情况	预测结果
	TP	FN
正例	TP	FN
反例	FP	TN

根据表格：
样本总数： = TP+FP+FN+TN；
查准率： 预测为正例的实例中真实正例的比例；

查全率： 真实正例被预测为正例的比例；

F1-score:度量一个模型的好坏，综合考虑查准率和查全率。

一般情况下，查准率高，查全率就会偏低，反之，查准率低，查全率就偏低。

问题解决

算法1：

根据表格中的内容计算：
查准率：

查全率：

F1-score:

算法2：

查准率：

查全率：

F1-score：

结果分析：从查准率评价指标来看，算法 2 要优于算法 1，从查全率和 F1 度量评价指标来看，算法 1 都要优于算法 2； 总的来说，算法 2 更好。