因為隨着閾值的逐漸變大（從0-1），我們發現sensitivities在逐漸變小，而specificities在逐漸變大。我們取極端情況考慮，當閾值為0時，大於0的全為正例，即模型能完美的找出所有正例（敏感性=1），但很可惜，所有的負例也被定義為正例，故特異性=0，反之閾值=1時也成立。在正常情況下，我們肯定不願意讓模型瞎猜亂蒙，故我們需要一種均衡（統計優化），類似於方差-殘差均衡（但現實情況不一定完全一致），我們希望二者都能同時達到相對最優的狀態。所以有最佳閥值
為了獲取ROC曲線的最佳閾值，需要使用一個指標--約登指數，也稱正確指數。
藉助於matlab的roc函數可以得出計算。
ROC曲線下的面積值在1.0和0.5之間。在AUC>0.5的情況下，AUC越接近於1
品位站
