讓我們以閾值= 0.5為例（參考混淆矩陣）。這是混淆矩陣：

如您所見，此閾值的靈敏度為99.6％，（1-特異性）為~60％。該坐標(biāo)在我們的ROC曲線中成為點(diǎn)。為了將該曲線降低到單個(gè)數(shù)字，我們找到該曲線下的面積（AUC）。

注意，整個(gè)正方形的面積是1 * 1 = 1.因此AUC本身是曲線下面的比率和總面積。對(duì)于手頭的案例，我們將AUC ROC定為96.4％。以下是一些拇指規(guī)則：

• .90-1 =優(yōu)秀（A）
• .80-.90 =好（B）
• .70-.80 =一般（C）
• .60-.70 =差（D）
• .50-.60 =失?。‵）

我們看到我們屬于當(dāng)前模型的優(yōu)秀樂隊(duì)。但這可能只是過(guò)于貼合。在這種情況下，及時(shí)和不及時(shí)的驗(yàn)證變得非常重要。

要記住的要點(diǎn)：

1.對(duì)于給出類作為輸出的模型，將在ROC圖中表示為單個(gè)點(diǎn)。

2.這些模型無(wú)法相互比較，因?yàn)樾枰獙?duì)單個(gè)指標(biāo)進(jìn)行判斷而不使用多個(gè)指標(biāo)。例如，具有參數(shù)（0.2,0.8）的模型和具有參數(shù)（0.8,0.2）的模型可以來(lái)自相同的模型，因此不應(yīng)直接比較這些度量。

3.在概率模型的情況下，我們有幸得到一個(gè)AUC-ROC的數(shù)字。但是，我們?nèi)匀恍枰榭凑麄€(gè)曲線以做出決定性的決定。一個(gè)模型也可能在某些區(qū)域表現(xiàn)更好，而其他模型在其他區(qū)域表現(xiàn)更好。