Courbe de la fonction d’efficacité du récepteur (ROC) pour Ajuster le modèle logistique binaire

La courbe ROC représente le taux de vrai positif (TPR), également appelé puissance, sur l’axe des Y. La courbe ROC représente le taux de faux positif (FPR), également appelé erreur de type 1, sur l’axe des X. La zone située sous une courbe ROC indique si le modèle binaire est un bon classificateur.

Interprétation

La zone située sous les valeurs de la courbe ROC varie de 0,5 à 1. Lorsque le modèle binaire peut parfaitement séparer les classes, la zone située sous la courbe est de 1. Lorsque le modèle binaire ne peut pas séparer les classes plus efficacement qu’une affectation aléatoire, la zone située sous la courbe est de 0,5.

Lorsqu’aucun ensemble de test distinct n’est utilisé, Minitab crée la courbe ROC avec l’ensemble de données.

Dans cet exemple, la zone située sous la courbe de test est de 0,9405.

Minitab crée deux courbes ROC avec un ensemble de test. Une courbe représente les données d’apprentissage et l’autre les données de test. Les résultats de test indiquent si le modèle peut prédire de manière adaptée les valeurs de réponse pour les nouvelles observations, ou résumer correctement les relations entre les variables de réponse et de prédiction. Les résultats d’apprentissage sont généralement plus idéaux que réels et ne sont donnés qu’à titre de référence.

Dans cet exemple, les courbes d’apprentissage et de test sont semblables. La zone située sous la courbe de test est de 0,8882.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique