Sie optimieren ein logistisches Regressionsmodell und möchten bewerten, wie sich verschiedene Klassifizierungsschwellenwerte auf die Leistung auswirken. Welches Bewertungstool sollten Sie verwenden?

Die Receiver Operating Characteristic (ROC)-Kurve ist das geeignetste Bewertungstool, um zu visualisieren, wie sich verschiedene Klassifizierungsschwellenwerte auf die Leistung eines binären Klassifikators auswirken. Sie stellt die Sensitivität (True Positive Rate) gegen die 1-Spezifität (False Positive Rate) bei verschiedenen Schwellenwerten dar. Dies ermöglicht es Ihnen, den Kompromiss zwischen falsch positiven und falsch negativen Ergebnissen zu verstehen und einen optimalen Schwellenwert zu wählen. Die Fehlklassifizierungsrate gibt lediglich den Gesamtanteil der falsch klassifizierten Instanzen an, ohne die Auswirkungen von Schwellenwerten zu zeigen. Der Root Mean Square Error (RMSE) und die L1-Norm sind Metriken für Regressionsprobleme und nicht für die Bewertung von Klassifikatoren.