等級：初學者Boulder Statistics 所有者 Karen Copeland Tarek Zikry，技術實習生，SAS Mia Stephens，JMP 學術大使，SAS
對於二分分類模型（好與壞、負與正、是與否等），ROC 曲線和相關的曲線下面積 (AUC) 通常用於描述模型區分兩組的能力。 雖然這是一個開始，但 ROC 曲線可能很難理解，並且 AUC 在建模問題的上下文之外可能會產生誤導。 對於某些模型，整體誤分類率是關鍵；對於其他模型，存在與錯誤分類相關的成本。 對於假陰性和假陽性，此成本可能非常不同。 我們將討論用於預測的二分模型及其相關的 ROC 曲線、提升曲線和模型性能的替代顯示。 我們還將討論為分類選擇最佳截止值的方法以及基於指定截止值的性能度量。 為了便於選擇分類模型的最佳截止值和性能指標的計算，我們開發了一個交互式圖形 JMP 應用程序。 我們將通過一個引人注目的案例研究來展示這個應用程序。
