ROC曲线简明讲解

名称

受试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），来源于雷达，历史不谈。

混淆矩阵

ROC曲线

FP/(FP+TN)
横坐标 False Positive Rate（FPR），实际负例中，被错误地分为正例的比例：$$\frac{FP}{TN+FP}$$
纵坐标 True Positive Rate (TPR)，实际正例中，被正确分为正例的比例：$$\frac{TP}{TP+FN}$$

另外再提两个跟P-R曲线相关的precision和recall，以免混淆，其中ROC曲线中的TPR就是recall。
$$precision=\frac{TP}{TP+FP}$$
$$recall=\frac{TP}{TP+FN}$$

解读

• 绘制方式：将分类器的判定正负的阈值，从0到1不断变化，得到的分类器预测结果计算横纵坐标，最后绘制在图中，一定是一个从左下到右上的线。
• 表征分类器好坏：曲线越靠近左上，越好。也就是Area Under Curve (AUC)，曲线下方面积越大，分类器性能越好。
• 二分类。