使用 TreeNet^® 分类的拟合模型和发现关键预测变量的接受者操作特性 (ROC) 曲线的方法和公式

点在 ROC 曲线上的过程取决于验证方法。对于多项式响应变量，Minitab 会显示多个图表，这些图表依次将每个类别视为事件。

无验证

对于训练数据集的图表，图表上的每个点都表示可区分的拟合事件概率。最高事件概率是图表上的第一个点，显示在最左侧。其他事件概率按递减顺序排列。

使用以下过程查找图表的 x 坐标和 y 坐标。

使用每个可区分事件概率作为阈值。对于特定阈值，估计事件概率大于或等于阈值的案例将获得 1 作为预测类别，否则获得 0。然后，可以为所有案例形成一个 2x2 的表，以观测类别作为行，以预测类别作为列来计算每个事件概率的假阳率和真阳率。假阳率是图表的 x 坐标。真阳率是 y 坐标。

例如，假设下表汇总了具有两个两水平类别预测变量的简化模型。这些预测变量提供四个可区分事件概率，四舍五入至小数点后 2 位：

A：订单	B：预测变量 1	C: 预测变量 2	D：事件数	E：非事件数	F：试验数	G：阈值（拟合事件概率）
1	1	1	18	12	30	0.60
2	1	2	25	42	67	0.37
3	2	1	12	44	56	0.21
4	2	2	4	32	36	0.11
合计			59	130	189

以下是相应的四个表，它们各自的假阳率和真阳率四舍五入至小数点后 2 位：

使用与训练集程序相同的步骤，但从测试集的案例中计算事件概率。

使用与训练数据集过程相同的步骤，但从交叉验证数据的案例中计算事件概率。