您正在調整羅吉斯迴歸模型，並想評估不同的分類閾值如何影響效能。您應該使用哪種評估工具？

ROC 曲線（受試者工作特徵曲線）是評估二元分類模型在不同分類閾值下效能的理想工具。它繪製了在所有分類閾值下的真陽性率（敏感度）與假陽性率（1-特異度），讓您視覺化地了解模型在區分正負類別方面的權衡。您可以透過觀察曲線下的面積 (AUC) 來比較不同模型的整體效能。錯誤分類率只提供單一閾值下的效能指標，無法顯示閾值變化帶來的影響。均方根誤差 (RMSE) 和 L1 範數是迴歸模型的評估指標，不適用於分類模型。