<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />ROC曲線是“擬合優度”曲線的一種類型，通常與分類響應一起使用。通常，ROC曲線用於可視化模型的敏感性，該模型用於對響應進行分類。這個想法是您希望使響應為假陽性的可能性最小化，並且ROC曲線可以很好地可視化模型對響應進行錯誤分類的可能性。通常，您希望看到一條曲線，該曲線從原點到繪圖區域的左上角迅速且垂直地上升，然後“快速”向右彎曲，並在圖的頂部穿過與頂部平行的長平線圖表區域的頂部。常見的繪圖約定是從圖形原點到製圖區域的右上角放置45度線。此45度線被解釋為“翻轉硬幣”線。也就是說，如果ROC曲線與這條45度線相距不遠，則最好將硬幣翻轉以對二進制響應進行分類。因此，ROC曲線軌跡距45度線越遠，模型就越靈敏（比投擲硬幣更好）。
ROC曲線附帶的一個常見統計數據是AUC（曲線下的面積），它給出了“曲線下”空間的百分比，即如果模型完全對所有響應進行分類，則為100％。AUC是一種度量，通常用於將一種模型與另一種模型進行比較。同樣，想法是具有較高AUC的模型比具有較低AUC的模型更敏感。
只要有明確的響應，您就會看到ROC曲線在許多JMP和JMP Pro建模人員中廣泛部署。因此，對於名義邏輯回歸，分區（決策樹，Bootstrap森林，Boosted樹等），廣義回歸，PLS等平台，幾乎每當有分類/名義響應時……您都會看到繪製ROC的選項JMP或JMP Pro中的曲線。
JMP文檔提供有關ROC曲線的更多詳細信息。
