<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Le curve ROC sono un tipo di curva di "bontà di adattamento" comunemente utilizzata con una risposta categorica. In genere, una curva ROC viene utilizzata per fornire una visualizzazione della sensibilità di un modello utilizzato per classificare una risposta. L'idea è che vorresti minimizzare la probabilità che una risposta sia un falso positivo e la curva ROC fornisce una bella visualizzazione della probabilità che un modello classifichi erroneamente una risposta. Generalmente ti piacerebbe vedere una curva che sale MOLTO rapidamente e verticalmente dall'origine verso l'angolo in alto a sinistra dell'area del tracciato, quindi curva "rapidamente" a destra con una lunga linea piatta nella parte superiore del grafico parallela alla parte superiore parte superiore dell'area dei grafici. Una convenzione di tracciamento comune consiste nel posizionare una linea a 45 gradi dall'origine del grafico all'angolo in alto a destra dell'area del grafico. Questa linea a 45 gradi viene interpretata come la linea "lancia una moneta". Cioè, se la curva ROC non è lontana da questa linea di 45 gradi, potresti anche lanciare una moneta per classificare una risposta binaria. Quindi più lontano dalla linea di 45 gradi, la traccia della curva ROC è, più sensibile (meglio che lanciare una moneta) è il modello.
Una statistica comune che accompagna le curve ROC è l'AUC (area sotto la curva) che fornisce una percentuale dello spazio "sotto la curva" con l'idea che se il modello classificasse perfettamente tutte le risposte, sarebbe del 100%. Gli AUC sono una misura che viene spesso utilizzata per confrontare un modello con un altro. L'idea, ancora una volta, è che il modello con l'AUC più alto sia più sensibile dei modelli con AUC più bassi.
Vedrai le curve ROC distribuite ampiamente all'interno di molte personalità di modellazione JMP e JMP Pro ogni volta che c'è una risposta categorica. Quindi, per piattaforme come regressione logistica nominale, partizione (albero decisionale, foresta bootstrap, albero potenziato, ecc.), Regressione generalizzata, PLS, praticamente ogni volta che c'è una risposta categorica/nominale... vedrai l'opzione per tracciare una curva ROC in JMP o JMP Pro.
Documentazione JMP fornisce maggiori dettagli sulla curva ROC.
