您正在调整一个逻辑回归模型，并希望评估不同的分类阈值如何影响性能。您应该使用哪种评估工具？

接收者操作特征（ROC）曲线是评估二分类模型在不同分类阈值下性能的理想工具。它通过绘制真阳性率（TPR）与假阳性率（FPR）的关系来展示模型在所有可能阈值下的表现。通过分析ROC曲线，您可以直观地看到模型在区分正负类方面的能力，并选择一个最适合特定业务需求的阈值。错误分类率是一个单一指标，无法展示不同阈值的影响。均方根误差（RMSE）用于回归模型，而非分类模型。L1范数是正则化技术，用于防止过拟合，而不是评估工具。