<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Las curvas ROC son un tipo de curva de 'bondad de ajuste' que se usa comúnmente con una respuesta categórica. Generalmente, una curva ROC se usa para proporcionar una visualización de la sensibilidad de un modelo que se usa para categorizar una respuesta. La idea es que le gustaría minimizar la probabilidad de que una respuesta sea un falso positivo y la curva ROC proporciona una buena visualización de la probabilidad de que un modelo clasifique erróneamente una respuesta. En general, le gustaría ver una curva que asciende MUY rápida y verticalmente desde el origen hacia la esquina superior izquierda del área de trazado, luego se curva 'rápidamente' hacia la derecha con una línea larga y plana en la parte superior del gráfico paralela a la parte superior. parte superior del área de gráficos. Una convención de trazado común es colocar una línea de 45 grados desde el origen del gráfico hasta la esquina superior derecha del área de trazado. Esta línea de 45 grados se interpreta como la línea de 'lanzar una moneda'. Es decir, si la curva ROC no está lejos de esta línea de 45 grados, también puede lanzar una moneda para categorizar una respuesta binaria. Por lo tanto, cuanto más lejos de la línea de 45 grados esté el trazado de la curva ROC, más sensible (mejor que lanzar una moneda) será el modelo.
Una estadística común que acompaña a las curvas ROC es el AUC (área debajo de la curva) que da un porcentaje del espacio 'debajo de la curva'. La idea es que si el modelo clasifica perfectamente todas las respuestas, sería 100%. Las AUC son una medida que se utiliza a menudo para comparar un modelo con otro. La idea, nuevamente, es que el modelo con el AUC más alto es más sensible que los modelos con AUC más bajo.
Verá curvas ROC desplegadas ampliamente en muchas personalidades de modelado de JMP y JMP Pro siempre que haya una respuesta categórica. Entonces, para plataformas como regresión logística nominal, partición (árbol de decisión, bosque de Bootstrap, árbol impulsado, etc.), regresión generalizada, PLS, prácticamente siempre que haya una respuesta categórica / nominal ... verá la opción de trazar un ROC curva en JMP o JMP Pro.
Documentación de JMP proporciona más detalles sobre la curva ROC.
