2.2.3.7. Courbe ROC
La courbe ROC (Receiver Operating Characteristic) provient de
la théorie du signal. Elle est obtenue en représentant la
sensibilité (Probabilité de détecter un vrai signal) en
fonction de 1 moins la spécificité (Probabilité de
détecter un faux signal) pour chaque valeur du seuil. On vérifie
facilement que c'est une fonction non décroissante de 1 moins la
spécificité :  < =>
c > c' => = 
Cependant, pour qu'il y ait discrimination, il est
nécessaire que la courbe monte très vite. Il faut avoir
simultanément forte sensibilité et forte
spécificité. Une mesure du pouvoir discriminante de la
régression logistique est obtenue à l'aide de l'aire sous la
courbe ROC (Michel TenenhausDunod, 2007).
|
Si ROC = 0.5
|
:
|
Pas de discrimination
|
|
Si 0.5 < ROC <0.7
|
:
|
Discrimination insuffisante
|
|
Si 0.7 = ROC <0.8
|
:
|
Discriminante acceptable
|
|
Si 0.8 = ROC <0.9
|
:
|
Discriminante excellente
|
|
Si 0.9 = ROC < 1
|
:
|
Discriminante exceptionnelle
|
Une autre façon, plus simple, de déterminer le
pouvoir prédictif d'un modèle logistique est de calculer la
proportion de prédictions correctes. Cette mesure est
donnée par : 
Tout comme le ROC, ce rapport proche de 1 signifie que le
modèle a une capacité prédictive presque parfaite. S'il
est proche de 0, alors le modèle a une mauvaise capacité
prédictive.
| 
