PREDICTION / ROC
Logistic 回归与 ROC 曲线 Logistic regression with ROC curves
在训练集中拟合二分类Logistic回归，以同一模型评价判别、阈值性能、校准和临床净获益，并支持Bootstrap内部验证。正在提交内置参考数据
这张图怎么读二分类模型在训练、测试或外部验证数据中的区分能力如何？
- 横轴
- 假阳性率（1−特异度）
- 纵轴
- 真阳性率（敏感度）
- 曲线
- 模型或验证数据集
- AUC/阈值
- 区分能力与工作点
可用于临床预测模型 · 诊断模型 · 风险分类模型
ROC 必须来自真实二分类结局与模型预测概率，不能用任意连续指标冒充。
页面真实拟合二分类Logistic回归并进行多层性能评价模型必须通过收敛、矩阵秩、条件数及分离检查后才会出图；页面提供AUC置信区间、阈值指标、校准、Brier、按需Bootstrap和DCA。分析不会自动完成变量筛选、缺失值插补或把内部数据集包装成独立外部验证。