Come creare una matrice di confusione in excel

La regressione logistica è un tipo di regressione che possiamo utilizzare quando la variabile di risposta è binaria.

Un modo comune per valutare la qualità di un modello di regressione logistica è creare una matrice di confusione , ovvero una tabella 2 × 2 che mostra i valori previsti del modello rispetto ai valori effettivi del set di dati di test.

Il seguente esempio passo passo mostra come creare una matrice di confusione in Excel.

Passaggio 1: inserisci i dati

Innanzitutto, inseriamo una colonna di valori effettivi per una variabile di risposta insieme ai valori previsti da un modello di regressione logistica:

Passaggio 2: crea la matrice di confusione

Successivamente, utilizzeremo la formula COUNTIFS() per contare il numero di valori che sono “0” nella colonna Attuale e anche “0” nella colonna Prevista:

Utilizzeremo una formula simile per riempire tutte le altre celle nella matrice di confusione:

Passaggio 3: calcolare accuratezza, precisione e richiamo

Una volta creata la matrice di confusione, possiamo calcolare le seguenti metriche:

• Precisione : percentuale di previsioni corrette
• Precisione : correggere le previsioni positive rispetto al totale delle previsioni positive
• Promemoria : correzione delle previsioni positive rispetto al totale dei positivi effettivi

Le seguenti formule mostrano come calcolare ciascuna di queste misurazioni in Excel:

Maggiore è la precisione, più un modello è in grado di classificare correttamente le osservazioni.

In questo esempio, il nostro modello ha una precisione di 0,7 che ci dice che ha classificato correttamente il 70% delle osservazioni.

Se lo desideriamo, possiamo confrontare questa accuratezza con quella di altri modelli di regressione logistica per determinare quale modello è il migliore nel classificare le osservazioni nelle categorie 0 o 1.

Risorse addizionali

Introduzione alla regressione logistica
I 3 tipi di regressione logistica
Regressione logistica vs regressione lineare