程度：初學者凱倫‧科普蘭 (Karen Copeland)，博爾德統計公司老闆Tarek Zikry，技術實習生，SAS Mia Stephens，SAS JMP學術大使
對於二分法分類模型（好與壞、負面與正面、是與否等），通常使用 ROC 曲線和相關的曲線下面積 (AUC) 來描述模型區分兩組的能力。雖然這是一個開始，但 ROC 曲線可能很難理解，而 AUC 在建模問題的背景之外可能會產生誤導。對於某些模型來說，整體錯誤分類率是關鍵；對於其他模型，錯誤分類會產生成本。對於假陰性和假陽性來說，這種成本可能會大不相同。我們將討論用於預測的二分模型及其相關的 ROC 曲線、提升曲線和模型效能的替代顯示。我們還將討論選擇分類最佳截止值的方法以及基於指定截止值的效能衡量標準。為了方便選擇分類模型的最佳截止值和計算效能指標，我們開發了一個互動式圖形 JMP 應用程式。我們將透過一個引人注目的案例研究來展示這個應用程式。
