¿Cómo interpretar una tabla de clasificación de un modelo de regresión logística?

Question

He completado un modelo de regresión logística y una tabla de clasificación, pero no estoy seguro de cómo interpretar los resultados de esta tabla.

El resultado es el siguiente

                   Predicted_Value
       Actual_Value FALSE TRUE
                 0   515   37
                 1    89  109

Answer 1

La regresión logística clásica da como resultado una probabilidad [0-1] de que un paciente tenga el valor "1" de sus valores observados reales cuando entrena el modelo.

Para obtener un valor predicho binario, hay que poner un umbral en el vector de probabilidades resultante.

Esto es lo que se ha hecho para obtener la tabla de contingencia que evalúa la precisión del modelo de predicción en comparación con el valor real.

Aquí puede calcular, por ejemplo, la Precisión, la Sensibilidad y la Especificidad.

Accuracy = (109 + 515) / sum(tab) = 83.2% correctly predicted patients  
Sensitivity = 109 / (109 + 89) = 55.0% correctly predicted Positive patients  
Specificity = 515 / (515 + 37) = 92.3% correctly predicted Negative patients  

Si cambia el valor de corte, tendrá pacientes con predicciones más o menos positivas; esto afectará a sus criterios de rendimiento, por lo que la elección del valor de corte es suya.

Aquí no hablamos de conjuntos de entrenamiento y validación, pero esta información es importante si quieres saber si tu modelo es robusto o no.