CDA数据分析研究院数据科学是一个在过去几年里真正成长的术语，似乎每个人都想加入。最具吸引力的目标之一是利用数据资产的力量来创建能够预测各种结果的机器学习模型。通过定义明确的模型，可以确定能够预测结果的最重要影响因素，为战略假设开发有价值的洞察力，甚至可以通过友好的用户界面将模型的逻辑实现到软件应用程序中。然而，在任何这种魔法发生之前，我们需要知道模型创建的预测是否有益！例如，如果我们的电子邮件程序的垃圾邮件分类器只能检测到50％的不需要的电子邮件或请求，我们都会非常愤怒。在这篇文章中，我将讨论如何使用每个数据科学家应该熟悉的经典工具来评估预测模型：接收器操作特性（ROC）曲线。说明性实例：预测冠状动脉疾病我在这篇文章中使用的数据集来自Bom等人对“疑似冠状动脉疾病患者冠状动脉斑块形态的靶向蛋白质组学的预测价值”。这项研究检查了两种不同的结果，我将重点