Eine g\u00e4ngige Methode zur Beurteilung der Qualit\u00e4t eines logistischen Regressionsmodells besteht darin, eine Verwirrungsmatrix<\/strong> zu erstellen, bei der es sich um eine 2 \u00d7 2-Tabelle handelt, die die vorhergesagten Werte des Modells im Vergleich zu den tats\u00e4chlichen Werten des Testdatensatzes zeigt.<\/span> <\/p>\n Das folgende Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie Sie in Excel eine Verwirrungsmatrix erstellen.<\/span><\/p>\n Geben wir zun\u00e4chst eine Spalte mit tats\u00e4chlichen Werten f\u00fcr eine Antwortvariable zusammen mit den durch ein logistisches Regressionsmodell vorhergesagten Werten ein:<\/span> <\/p>\n Als N\u00e4chstes verwenden wir die COUNTIFS()<\/strong> -Formel, um die Anzahl der Werte zu z\u00e4hlen, die in der Spalte \u201eIst\u201c \u201e0\u201c und in der Spalte \u201eVorhergesagt\u201c ebenfalls \u201e0\u201c sind:<\/span> <\/p>\n Wir werden eine \u00e4hnliche Formel verwenden, um alle anderen Zellen in der Verwirrungsmatrix zu f\u00fcllen:<\/span> <\/p>\n Sobald wir die Verwirrungsmatrix erstellt haben, k\u00f6nnen wir die folgenden Metriken berechnen:<\/span><\/p>\n Die folgenden Formeln zeigen, wie jede dieser Messungen in Excel berechnet wird:<\/span> <\/p>\n Je h\u00f6her die Pr\u00e4zision, desto besser kann ein Modell Beobachtungen korrekt klassifizieren.<\/span><\/p>\n In diesem Beispiel hat unser Modell eine Genauigkeit von 0,7,<\/strong> was uns sagt, dass es 70 % der Beobachtungen korrekt klassifiziert hat.<\/span><\/p>\n Wenn wir m\u00f6chten, k\u00f6nnen wir diese Genauigkeit mit der anderer logistischer Regressionsmodelle vergleichen, um zu bestimmen, welches Modell Beobachtungen am besten in die Kategorien 0 oder 1 klassifizieren kann.<\/span><\/p>\n Einf\u00fchrung in die logistische Regression<\/a> Die logistische Regression ist eine Art Regression, die wir verwenden k\u00f6nnen, wenn die Antwortvariable bin\u00e4r ist. Eine g\u00e4ngige Methode zur Beurteilung der Qualit\u00e4t eines logistischen Regressionsmodells besteht darin, eine Verwirrungsmatrix zu erstellen, bei der es sich um eine 2 \u00d7 2-Tabelle handelt, die die vorhergesagten Werte des Modells im Vergleich zu den tats\u00e4chlichen Werten des […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confusionr1.png\")
<\/p>\n Schritt 1: Geben Sie die Daten ein<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confexcel1.png\")
<\/p>\n Schritt 2: Erstellen Sie die Verwirrungsmatrix<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confexcel2.png\")
<\/p>\n![\"Verwirrungsmatrix](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confexcel3.png\")
<\/p>\n Schritt 3: Berechnen Sie Genauigkeit, Pr\u00e4zision und R\u00fcckruf<\/strong><\/span><\/h3>\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confexcel4.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Die 3 Arten der logistischen Regression<\/a>
Logistische Regression vs. lineare Regression<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"