ROC曲線分析是評(píng)價(jià)logistic回歸模型的另一種方法。用ROC曲線下面積（AUC）評(píng)價(jià)模型預(yù)測(cè)值區(qū)分疾病與對(duì)照的能力。AUC也稱為c統(tǒng)計(jì)量和一致性指數(shù)。ROC曲線下面積為a，可用來綜合評(píng)價(jià)診斷的準(zhǔn)

ROC曲線分析是評(píng)價(jià)logistic回歸模型的另一種方法。用ROC曲線下面積（AUC）評(píng)價(jià)模型預(yù)測(cè)值區(qū)分疾病與對(duì)照的能力。AUC也稱為c統(tǒng)計(jì)量和一致性指數(shù)。ROC曲線下面積為a，可用來綜合評(píng)價(jià)診斷的準(zhǔn)確性。它可以理解為所有特定條件下的平均靈敏度，其取值范圍為0≤a≤1。在a>0.5的情況下，a越接近1，診斷準(zhǔn)確率越高。當(dāng)a=0.5時(shí)，診斷根本不起作用。A<0.5與實(shí)際情況不符。一般來說，0.5＜a≤0.7為低診斷值；0.7＜a≤0.9為中診斷值；a＞0.9為高診斷值。

為什么ROC曲線能衡量模型效果呢？

實(shí)現(xiàn)思路如下：AUC（曲線下面積）定義為ROC曲線下的面積。顯然，這個(gè)面積的值不會(huì)大于1。因?yàn)镽OC曲線通常在y=x線上，AUC在0.5到1之間。由于ROC曲線不能清楚地反映出哪種分類器更好，因此采用AUC值作為評(píng)價(jià)標(biāo)準(zhǔn)。作為一個(gè)數(shù)值，AUC越大的分類器效果越好。首先，AUC值是一個(gè)概率值。當(dāng)隨機(jī)選擇正樣本和負(fù)樣本時(shí)，當(dāng)前分類算法根據(jù)計(jì)算出的得分值將正樣本排在負(fù)樣本前面的概率為AUC值。當(dāng)然，AUC值越大，當(dāng)前的分類算法將正樣本排在負(fù)樣本前面的可能性就越大，也就是說，它可以更好地分類。

如何用excel計(jì)算auc曲線下面積？

1. 工業(yè)中的大型模型基本上都是logistic區(qū)域和線性區(qū)域，因此SGD和lbfgs的理解是非常重要的，并行推導(dǎo)對(duì)于理解LR是如何并行的是非常重要的

2。其次，常用的機(jī)器學(xué)習(xí)算法，如SVM、gbdt、KNN等，應(yīng)該了解其原理，能夠在壓力下快速響應(yīng)。算法的優(yōu)缺點(diǎn)和適應(yīng)場景應(yīng)基本清晰

3基本算法數(shù)據(jù)結(jié)構(gòu)應(yīng)熟練，鏈表二叉樹，快速行合并，動(dòng)態(tài)返回等

ROC曲線下的區(qū)域-spssau ROC曲線稱為AUC，這表明了預(yù)測(cè)的準(zhǔn)確性。AUC值越高，預(yù)測(cè)精度越高。AUC值越高，預(yù)測(cè)精度越低。如果AUC小于0.5，說明預(yù)測(cè)性診斷比隨機(jī)猜測(cè)更差。這種情況不應(yīng)該發(fā)生在實(shí)際情況中。可能是狀態(tài)變量標(biāo)準(zhǔn)集錯(cuò)了。建議檢查設(shè)置。