¿Es necesario probar la importancia del valor AUC del modelo de diagnóstico?

Es necesario probar la significancia de los valores AUC de los dos métodos de predicción para determinar si el modelo es bueno o malo. Esto se puede hacer mediante la prueba Z.

AUC (área bajo la curva) se define como el área bajo la curva ROC. A menudo utilizamos el valor AUC como criterio de evaluación del modelo porque la curva ROC no puede indicar claramente qué clasificador funciona mejor, pero como valor numérico, el clasificador con un valor AUC mayor funciona mejor.

La curva ROC se denomina curva característica operativa del receptor, que es una curva dibujada en base a una serie de diferentes métodos de clasificación binaria (valores de corte o umbrales), con la verdadera tasa positiva (sensibilidad) como la ordenada, la tasa de falsos positivos (especificidad 1) es la abscisa.

AUC es un indicador de desempeño que mide las fortalezas y debilidades de los estudiantes. Por definición, el AUC se obtiene sumando las áreas bajo la curva ROC.