我只喜欢 ROC 曲线下的区域（ -index ），因为它恰好是一个一致性概率。 是秩相关系数的构建块。例如， Somers 的。对于序数，是预测歧视的极好度量，R包提供了简单的方法来获得的引导过拟合校正估计。您可以反求解一个广义的$c$$c$$D_{xy} = 2\times (c - \frac{1}{2})$$Y$$D_{xy}$rms$D_{xy}$$c$-index（广义 AUROC）。有理由不考虑每个级别$Y$分开，因为这没有利用序数性质$Y$.

序数回归有rms两个函数：lrm和orm，后者处理连续$Y$并提供比比例赔率更多的分布族（链接函数）。

序数回归的 AUC 是一件棘手的事情。您可能希望通过创建虚拟变量来计算每个类的 AUC，以便为您正在计算 AUC 的类取值 1，为其他类取值 0。如果您有 4 个类，那么您将创建 4 个 AUC 并将它们绘制在同一个图表上。这种方法的主要问题是它对错误分类的惩罚是一样的。更直观地将 1 类错误分类为 3 类应该比将 1 类错误分类为 2 类更糟糕。