Как оценить качество модели логистической регрессии

Для оценки качества модели логистической регрессии используют несколько метрик:

1. Accuracy — доля правильных предсказаний, но не подходит для несбалансированных классов.
2. Precision и Recall — Precision = TP / (TP + FP), Recall = TP / (TP + FN). Полезны, когда важны false positives или false negatives.
3. F1-score — гармоническое среднее Precision и Recall.
4. ROC-AUC — площадь под ROC-кривой, показывает способность модели разделять классы.

Пример кода:

from sklearn.metrics import classification_report, roc_auc_score

y_pred = model.predict(X_test)
print(classification_report(y_test, y_pred))
print(f"ROC-AUC: {roc_auc_score(y_test, y_pred_proba)}")