Dato un set di dati con risultati binari e una matrice predittiva , il modello di regressione logistica standard stima i coefficienti che massimizzano la probabilità binomiale. Quando X è al livello completo \ beta_ {MLE} è unico; quando la separazione perfetta non è presente, è finita.
Questo modello di massima verosimiglianza massimizza anche l'AUC del ROC (alias statistico) o esiste una stima dei coefficienti che otterrà un AUC del ROC più elevato? Se è vero che il MLE non massimizza necessariamente l'AUC del ROC, un altro modo di esaminare questa domanda è "Esiste un'alternativa alla massimizzazione della probabilità che massimizzerà sempre l'AUC del ROC di una regressione logistica?"
Suppongo che i modelli siano gli stessi altrimenti: non stiamo aggiungendo o rimuovendo i predittori in , o altrimenti cambiando le specifiche del modello, e sto assumendo che i modelli che massimizzano la probabilità e massimizzano l'AUC stanno usando la stessa funzione di collegamento.