用R语言的ROC评价决策树和神经网络哪个更优

首先介绍一下几个基本概念： 预测值为正例，记为P（Positive） 预测值为反例，记为N（Negative） 预测值与真实值相同，记为T（True） 预测值与真实值相反，记为F（False） TP：预测类别是P（正例），真实类别也是P FP：预测类别是P，真实类别是N（反例） TN：预测类别是N，真实类别也是N FN：预测类别是N，真实类别是P 所以，tpr就是真正例，fpr就是假正例 ROC曲

>>阅读原文<<