级别：初级Karen Copeland，博尔德统计公司所有者Tarek Zikry，技术实习生，SAS Mia Stephens，JMP 学术大使，SAS
对于二分分类模型（好与坏、阴性与阳性、是与否等），ROC 曲线和相关的曲线下面积 (AUC) 通常用于描述模型区分两组的能力。 虽然这只是一个开始，但 ROC 曲线可能很难理解，并且 AUC 在建模问题的上下文之外可能会产生误导。 对于某些模型，总体误分类率是关键；对于其他模型，错误分类会产生相关成本。 假阴性与假阳性的成本可能非常不同。 我们将讨论用于预测的二分模型及其相关的 ROC 曲线、提升曲线和模型性能的替代显示。 我们还将讨论选择最佳分类截止值的方法以及基于指定截止值的性能度量。 为了方便选择分类模型的最佳截止值和计算性能指标，我们开发了交互式图形 JMP 应用程序。 我们将通过令人信服的案例研究来演示此应用程序。
