Stroisz model regresji logistycznej i chcesz ocenić, jak różne progi klasyfikacji wpływają na wydajność. Którego narzędzia ewaluacyjnego należy użyć?

Krzywa ROC (Receiver Operating Characteristic) jest odpowiednim narzędziem do oceny modelu regresji logistycznej, ponieważ wizualizuje kompromis między czułością (prawdziwie pozytywne) a specyficznością (fałszywie pozytywne) dla różnych progów klasyfikacji. Pozwala to na wybór optymalnego progu w zależności od potrzeb biznesowych. Współczynnik błędnej klasyfikacji to pojedyncza metryka, która nie pokazuje wpływu progów. RMSE (Root Mean Squared Error) i norma L1 są metrykami używanymi do oceny modeli regresji, a nie klasyfikacji, więc nie są odpowiednie do oceny progów klasyfikacji w regresji logistycznej.