級別：初級Karen Copeland，博爾德統計公司所有者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、陰性與陽性、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。 雖然這只是一個開始，但 ROC 曲線可能很難理解，而 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，總體誤分類率是關鍵；對於其他模型，錯誤分類會產生相關成本。 假陰性與假陽性的成本可能非常不同。 我們將討論用於預測的二分模型及其相關的 ROC 曲線、提升曲線和模型效能的替代顯示。 我們還將討論選擇最佳分類截止值的方法以及基於指定截止值的效能測量。 為了方便選擇分類模型的最佳截止值和計算效能指標，我們開發了互動式圖形 JMP 應用程式。 我們將透過令人信服的案例研究來演示此應用程式。
