Логистическая регрессия: предсказываем риск болезни сердца ❤️ | AUC, Confusion Matrix, Orange (6)

❤️ Можно ли по данным предсказать риск болезни сердца? В этой лекции начинаем с Фрамингемского исследования — одного из самых известных проектов в истории медицинской статистики. Именно такие данные помогают понять, какие признаки связаны с сердечно-сосудистым риском: возраст, давление, холестерин, курение и другие факторы. Но теперь нам нужно предсказывать не число, а вероятность события. Здесь появляется логистическая регрессия. 📈 Разберём, как из набора признаков получить вероятность, почему вероятность ещё не равна окончательному решению и зачем нужен порог классификации. 🩺 Посмотрим на номограмму — наглядный способ увидеть, как отдельные факторы складываются в общий риск. А потом зададим главный вопрос: насколько хороша наша модель? 🤔 Для этого разберём ROC-кривую и AUC. Поймём, что означает AUC, почему у случайной модели он около 0.5 и почему высокая цифра сама по себе ещё не гарантирует полезность модели. 🟥🟩 Дальше — Confusion Matrix, или матрица ошибок. Именно здесь появляются TP, TN, FP и FN, а из них — accuracy, precision, recall и другие метрики. ⚠️ Подводный камень: accuracy может быть очень высокой и при этом почти бесполезной. Если заболевание встречается у 5% людей, модель может сказать «все здоровы» и получить accuracy 95%. Красиво? Да. Полезно? Не очень 😄 Поэтому отдельно поговорим о несбалансированных классах и балансировке данных. Посмотрим, почему после балансировки одна метрика может стать хуже, а сама модель — полезнее. 🍊 Всё это проверим в Orange: соберём Logistic Regression, посмотрим ROC Analysis, Confusion Matrix, сравним модели и попробуем балансировку классов. К концу лекции главный вопрос звучит уже не так: ❌ «Какая у модели accuracy?» А так: ✅ «Какие ошибки делает модель и насколько они приемлемы для нашей задачи?» И вопрос вам: 🤔 Если модель имеет accuracy 95%, может ли она быть практически бесполезной?