レベル: 初心者カレン・コープランド、ボルダー統計局オーナーTarek Zikry 氏、技能実習生、SASミア・スティーブンス、JMPアカデミックアンバサダー、SAS
二値分類モデル（良対悪、陰性対陽性、はい対いいえなど）では、ROC曲線とそれに関連する曲線下面積（AUC）が、モデルが2つのグループを区別する能力を表すためによく用いられます。これは出発点ではありますが、ROC曲線は理解しにくい場合があり、AUCはモデリング問題の文脈から外れると誤解を招く可能性があります。モデルによっては、全体的な誤分類率が重要となる場合もあれば、誤分類に伴うコストが発生する場合もあります。このコストは、偽陰性の場合と偽陽性の場合で大きく異なります。本稿では、予測のための二値モデルと、それに関連するROC曲線、リフト曲線、そしてモデル性能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値を選択する方法と、指定されたカットオフ値に基づく性能指標についても説明します。分類モデルに最適なカットオフ値を選択し、性能指標を計算するために、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。このアプリケーションを、説得力のあるケーススタディを用いて紹介します。
