评估一个模型时，询问的一个合理问题可能是，“模型在对数据中观察到的0和1进行分类的表现如何？”

逻辑回归计算接收“正”结果的概率（在数据表中编码为1）。如需使用逻辑回归来预测一个新的观察结果是否为“正”或“负”时，请指定一个临界值，该值指定将被视为“正”的最小概率。标准临界值为0.5，这意味着如果预测概率大于0.5，则该观测结果被分类为“正”（或简单地称为1）。如今我们了解了临界值告诉我们的内容，让我们查看Prism提供的三种分类方法。

ROC曲线下面积

ROC曲线下面积（AUC）提供了一个聚合值，该值表示模型如何正确地使用所有可能的临界值对0和1进行分类。AUC值的范围在0.5-和1之间，其中面积为0.5意味着模型预测的结果将是1或0，这不比抛硬币更好，且面积为1意味着模型完美预测。提供一些关于逻辑回归ROC曲线的各种极端情况示例。

分类表

分类表报告一个2x2的表，该表显示了在用户指定临界值点处正确分类的值的数量。该表有四个表项，其报告了正确（和不正确）预测的观察到的0（和1）的数量。此外，该分类表将提供关于观察到的1和0的总数、预测的1和0的总数、正确分类的1和0的百分比、正确分类的观察结果总数的百分比以及阳性和阴性预测能力的信息。详情。

行分类

行分类生成包含两列的附加表。第一列包含在数据表中找到的所选因变量（Y）列中的值副本。第二列包含由对应于第一列中每个表项（每行）的模型生成的预测概率。