<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Les courbes ROC sont un type de courbe de « qualité d'ajustement » qui est couramment utilisée avec une réponse catégorique. Généralement, une courbe ROC est utilisée pour fournir une visualisation de la sensibilité d'un modèle utilisé pour catégoriser une réponse. L'idée est que vous souhaitez minimiser la probabilité qu'une réponse soit un faux positif et la courbe ROC fournit une bonne visualisation de la probabilité qu'un modèle classe mal une réponse. En règle générale, vous aimeriez voir une courbe qui monte TRÈS rapidement et verticalement de l'origine vers le coin supérieur gauche de la zone de traçage, puis se courbe "rapidement" vers la droite avec une longue ligne plate en haut du graphique parallèle à la partie supérieure haut de la zone de cartographie. Une convention de traçage courante consiste à placer une ligne à 45 degrés entre l'origine du graphique et le coin supérieur droit de la zone de graphique. Cette ligne à 45 degrés est interprétée comme la ligne « lancez une pièce ». Autrement dit, si la courbe ROC n'est pas loin de cette ligne à 45 degrés, autant lancer une pièce pour catégoriser une réponse binaire. Ainsi, plus la trace de la courbe ROC est éloignée de la ligne à 45 degrés, plus le modèle est sensible (mieux que de lancer une pièce).
Une statistique courante qui accompagne les courbes ROC est l'AUC (aire sous la courbe) qui donne un pourcentage de l'espace « sous la courbe », l'idée étant que si le modèle classait parfaitement toutes les réponses, il serait de 100 %. Les ASC sont une mesure souvent utilisée pour comparer un modèle à un autre. L'idée, encore une fois, est que le modèle avec l'AUC plus élevée est plus sensible que les modèles avec des AUC plus faibles.
Vous verrez des courbes ROC largement déployées au sein de nombreuses personnalités de la modélisation JMP et JMP Pro chaque fois qu'il y a une réponse catégorique. Ainsi pour des plateformes telles que la régression logistique nominale, la partition (Decision Tree, Bootstrap Forest, Boosted Tree, etc.), Régression généralisée, PLS, à peu près chaque fois qu'il y a une réponse catégorique/nominale… vous verrez l'option de tracer une courbe ROC dans JMP ou JMP Pro.
Documentation JMP fournit plus de détails sur la courbe ROC.
