如何在 excel 中创建混淆矩阵

逻辑回归是当响应变量是二元时我们可以使用的一种回归。

评估逻辑回归模型质量的常见方法是创建一个混淆矩阵，它是一个 2 × 2 的表，显示模型的预测值与测试数据集的实际值。

以下分步示例展示了如何在 Excel 中创建混淆矩阵。

第 1 步：输入数据

首先，让我们输入响应变量的一列实际值以及逻辑回归模型预测的值：

第 2 步：创建混淆矩阵

接下来，我们将使用COUNTIFS()公式来计算 Actual 列中为“0”以及 Predicted 列中为“0”的值的数量：

我们将使用类似的公式来填充混淆矩阵中的所有其他单元格：

第 3 步：计算准确率、精确率和召回率

创建混淆矩阵后，我们可以计算以下指标：

• 准确度：正确预测的百分比
• 准确性：相对于总阳性预测的正确阳性预测
• 提醒：根据实际阳性总数纠正阳性预测

以下公式显示了如何在 Excel 中计算每个测量值：

精度越高，模型就越能够正确地对观测结果进行分类。

在此示例中，我们的模型的准确度为0.7 ，这表明它正确分类了 70% 的观测值。

如果我们愿意，我们可以将此准确性与其他逻辑回归模型的准确性进行比较，以确定哪种模型最适合将观测值分类为 0 或 1 类别。

其他资源

逻辑回归简介
逻辑回归的 3 种类型
逻辑回归与线性回归