级别：初学者凯伦·科普兰 (Karen Copeland)，博尔德统计公司老板Tarek Zikry，技术实习生，SAS Mia Stephens，SAS JMP学术大使
对于二分类模型（好与坏、阴性与阳性、是与否等），ROC 曲线及其相关的曲线下面积 (AUC) 通常用于描述模型区分两组的能力。虽然这是一个很好的开始，但 ROC 曲线可能难以理解，而且 AUC 在建模问题之外可能会产生误导。对于某些模型，总体误分类率至关重要；对于其他模型，误分类会产生成本。对于假阴性和假阳性，这种成本可能截然不同。我们将讨论用于预测的二分类模型及其相关的 ROC 曲线、提升曲线以及模型性能的其他显示方式。我们还将讨论选择分类最优截止值的方法，以及基于指定截止值的性能指标。为了方便选择分类模型的最优截止值并计算性能指标，我们开发了一个交互式图形化的 JMP 应用程序。我们将通过一个引人入胜的案例研究来演示此应用程序。
