從具有多個自變數和二分因變數的擬合模型建立適當模型並計算 AUC（例如 ROC 曲線）的過程可以透過簡單的邏輯或簡單迴歸模型來理解。
然而，透過敏感度和特異性值來確定適當的診斷臨界值只是一個概念性的事情，它實際上可以應用於任何一個變數的值嗎？ 即使該變數是多個自變數中唯一重要的變數。
預測器分析器的圖片可能正在嘗試實現這一點，但這意味著模型的最佳預測是當每個變數的值以預設狀態顯示時，對吧？
也請介紹一些專門針對這個主題的視聽資料。
尋找和找到它需要花費太多時間。
一般來說，分界點是透過使用 ROC 曲線（敏感性、特異性）的邏輯回歸來確定的。換句話說，選擇使 1-特異性值最大化的分割點。方法與使用約登指數相同。請查看下面的鏈接，以了解使用 JMP 的範例。下面的連結來自 JMP 日文網站，如果您使用 Google Chrome 翻譯網站，那麼理解其含義不會有太大困難。
https://www.jmp.com/ja_jp/medical-statistics/column/non-series/roc-curve.html
另外，您想要相關的視訊資料。如果您觀看下面的簡單視頻，您可以了解 JMP 基本上如何設定截止點，以及設定預設值以外的截止點需要執行哪些操作。
邏輯迴歸中混淆矩陣的不同切點
這樣有幫助嗎？
謝謝
