注意
此命令适用于 预测分析模块。单击此处了解更多关于如何激活模块的信息。
ROC 曲线下面积与树数图在 y 轴上显示 ROC 曲线下的面积，在 x 轴上显示树数。ROC 曲线下面积指示模型是否为良好的分类器。使用检验结果可评估模型预测新观测值的性能。对训练结果和检验结果进行比较，以查看训练数据集模型是否存在过度拟合问题。
当极大似然值确定最优模型的树数时，Minitab 随后会显示负对数似然平均值与树数图。当最小误分类率确定最优模型的树数时，Minitab 随后会显示误分类率与树数图。
解释
对于分类树，ROC 曲线下面积的值通常介于 0.5 到 1 之间。值越大表明分类模型越好。当模型可以完美地分隔类别时，曲线下面积为 1。当模型对类别的分隔程度不如随机分配时，曲线下面积为 0.5。
参考线指示检验数据的 ROC 曲线下的最优面积，以及模型中的树数。
理想情况下，检验曲线会随着树数的增加而上升，之后达到最大值，然后再在某些情况下保持水平或下降。如果检验曲线的最大值不理想，请尝试调整要比较的学习速率和子样本比例。
