首先，我是数据分析的初学者。我正在做一个小项目，我必须确定一个家庭是否缺乏燃料。我使用一个指标（如果燃料不好则为0，否则为1）并尝试预测一个家庭是否会使用名义特征（0,1）的向量FP，如区域，房屋类型，表面......和一个连续变量（年龄）。我用SAS（和R）进行了非常经典的二项Logistic回归，绘制了一条ROC曲线及其AUC（相当低，= 0.76），如下所示：
[AUC = 0.76] [1]：https://i.stack.imgur.com/BWjeB.png
出于好奇，我想尝试不同类型的学习者，因为它的简单性我下载了Orange 3.3。我立即尝试运行像SAS（和R）那样的二项逻辑回归并且它起作用......至少对于看起来与SAS和R中的那个完全一样的ROC曲线。但是当我打开“测试和分数”时“泡沫，橙色给我的AUC值为0.518（???）。我把多数分类器比作，因为它的AUC是0.5。在图表上，它们的曲线在逻辑上完全不同，但它们的AUC非常接近。我更改了所有采样选项，尝试使用“数据采样器”气泡，但AUC保持在0.5 / 0.6左右。
为什么像这样的曲线（在橙色中）有这么低的AUC？数据集非常干净，适用于SAS和R.默认情况下，设置橙色LR中的参数。我不明白这个问题，它与分类树实际上是一样的：与曲线的诱惑相比，橙色的AUC值非常低（R我有0.81对0.7与橙色）。
[橙色：AUC = 0.518（已更新所有小部件）] [2]：https://i.stack.imgur.com/HMYIY.png
