从具有多个自变量和二分因变量的拟合模型创建适当模型并计算 AUC（例如 ROC 曲线）的过程可以通过简单的逻辑或简单回归模型来理解。
然而，通过敏感性和特异性值确定适当的诊断临界值只是一个概念性的事情，它实际上可以应用于任何一个变量的值吗？ 即使该变量是多个自变量中唯一重要的变量。
预测器分析器的图片可能正在尝试实现这一点，但这意味着模型的最佳预测是当每个变量的值以默认状态显示时，对吧？
还请介绍一些专门针对该主题的视听材料。
寻找和找到它需要花费太多时间。
一般来说，分界点是通过使用 ROC 曲线（敏感性、特异性）的逻辑回归来确定的。换句话说，选择使 1-特异性值最大化的分割点。方法与使用约登指数相同。请查看下面的链接，了解使用 JMP 的示例。下面的链接来自 JMP 日语网站，如果您使用 Google Chrome 翻译该网站，那么理解其含义不会有太大困难。
https://www.jmp.com/ja_jp/medical-statistics/column/non-series/roc-curve.html
另外，您想要相关的视频材料。如果您观看下面的简单视频，您可以了解 JMP 基本上如何设置截止点，以及设置默认值以外的截止点需要执行哪些操作。
逻辑回归中混淆矩阵的不同截点
这有帮助吗？
谢谢
