レベル: 初心者Karen Copeland 氏、オーナー、Boulder Statistics Tarek Zikry 氏、テクニカル インターン、SAS Mia Stephens、JMP アカデミック アンバサダー、SAS
二値分類モデル (良いか悪いか、悪いか悪いか、良いかどうか、はいかどうかなど) の場合、ROC 曲線と関連する曲線下面積 (AUC) を使用して、モデルが 2 つのグループを区別する能力を表すことがよくあります。 これは出発点ですが、ROC 曲線を理解するのは難しい場合があり、AUC はモデリングの問題のコンテキスト外で誤解を招く可能性があります。 一部のモデルでは、全体的な誤分類率が重要です。他のモデルでは、誤分類に関連するコストが発生します。 このコストは、偽陰性と偽陽性で大きく異なる場合があります。 予測のための二分モデルと、それに関連する ROC 曲線、リフト曲線、およびモデル パフォーマンスの代替表示について説明します。 また、分類に最適なカットオフを選択する方法と、指定されたカットオフに基づくパフォーマンスの測定方法についても説明します。 分類モデルの最適なカットオフの選択とパフォーマンス メトリックの計算を容易にするために、インタラクティブでグラフィカルな JMP アプリケーションを開発しました。 説得力のあるケース スタディを使用して、このアプリケーションを説明します。
