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