下列對於 Receiver Operating Characteristic Curve（ROC 曲線）的敘述何者錯誤？
AROC 曲線的線下面積可作為預測模式的效度指標
B一般線性模式可用以建構 ROC 曲線正確答案
C比較兩個預測模式的 ROC 曲線線下面積可以反應兩個預測模式的預測能力
D若 ROC 曲線的座標原點為 0，則 X 軸與 Y 軸分別是 1－specificity 與 sensitivity
答案與詳解
B
正確答案
ROC曲線用於二分類結果，一般線性模式（如線性迴歸）因變數為連續變數，無法直接建構ROC曲線。
為什麼答案是 B
一般線性模式（如線性迴歸）適用於連續型依變數，無法直接計算勝率與特異性，通常需使用邏輯斯迴歸等分類模式來建構ROC曲線。
載入中…
完整詳解
Pro · 無限重點 ROC曲線用於二分類結果，一般線性模式（如線性迴歸）因變數為連續變數，無法直接建構ROC曲線。
秒殺技巧
ROC曲線專用於「二分類」預測，看到「一般線性模式」（連續型）直接選它。逐選項分析
A✕
ROC曲線下面積（AUC）越大，代表模式區分能力越好，是評估預測模式效度的常見指標。
B✓ 正確
一般線性模式（如線性迴歸）適用於連續型依變數，無法直接計算勝率與特異性，通常需使用邏輯斯迴歸等分類模式來建構ROC曲線。
C✕
透過比較不同模式AUC的大小，可評估並比較其預測能力的優劣，敘述正確。
D✕
ROC曲線的X軸為偽陽性率（1-specificity），Y軸為真陽性率（sensitivity），座標定義敘述完全正確。
ROC 曲線核心指標對照
| 指標 | 定義 | ROC 曲線位置 |
|---|---|---|
| Sensitivity (真陽性率) | 正確預測為陽性的比例 | Y 軸 |
| 1 - Specificity (偽陽性率) | 錯誤預測為陽性的比例 | X 軸 |
| AUC (曲線下面積) | 模式整體區分能力 | 介於 0 到 1 之間 |
陷阱提醒
考生易將「一般線性模式」(General Linear Model) 與「廣義線性模式」(Generalized Linear Model) 混淆。廣義線性模式中的邏輯斯迴歸可用於建構ROC曲線，但一般線性模式（如普通線性迴歸）因變數為連續型，無法直接計算分類指標。