我正在尝试分析显示人们是否感染该疾病的数据。也就是说，响应是二进制的。我应用了逻辑回归。假设log.reg（逻辑回归）的结果是类似的；
ID = c(1,2,3,4)
Test_Data = c(0,1,1,0)
Log.Reg_Output = c(0.01,0.4,0.8,0.49)
result = data.frame(ID,Test_Data,Reg_Output)
result
# 1 | 0 | 0.01
# 2 | 1 | 0.4
# 3 | 1 | 0.8
# 4 | 0 | 0.49
我可以说ID = 3的人会以80％的比例感染该病吗？这是正确的方法吗？如果没有，为什么？我很困惑，任何帮助都会很棒！
第二个问题是，除了四舍五入模型结果0或1之外，我如何计算准确率。因为我认为将0.49舍入为0并不那么有意义。
对于我的示例，基于大于或小于0.5，模型输出将变为0、0、1,0，而不是0.01、0.4、0.8、0.49。准确率将达到75％。还有其他计算方法吗？
谢谢！
最佳答案
我可以说ID = 3的人会以80％的比例感染该病吗？
不清楚“在”的意思。逻辑回归输出的传统/常规解释是模型估计，第3个人将以80％的信心感染该疾病。还不清楚标题中的“替代”是什么意思（问题主体中没有详细说明）。
除了将模型结果四舍五入外，如何计算准确率。
根据定义的准确性，需要将模型结果四舍五入到0/1。但是，至少在原则上，决策阈值不一定必须为0.5 ...
因为我认为将0.49舍入为0并不那么有意义。
您认为将0.49舍入为1更有意义吗？因为这是二元分类设置中的唯一替代选择（一个人要么会染上这种疾病，要么不会。）
关于对数丢失度量，在评论中提到：它的作用与准确性完全不同。您可能会发现我的这些相关答案很有帮助：
Loss & accuracy - Are these reasonable learning curves?
How does Keras evaluate the accuracy?（尽管标题错误，但与Keras无关。）
我严重建议您看一下一些逻辑回归教程（实际上有数百本）。强烈推荐的来源是教科书An Introduction to Statistical Learning (with Applications in R)，作者可以免费获得...
关于r - 逻辑回归替代解释，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51085440/