ROC曲线和AUC

以生物化验举例来说，ROC曲线横坐标就是假阳性率FPR= FP / (FP + TN)，纵坐标是真阳性率TPR=TP/ (TP+ FN)，曲线上每个点都对应一个阈值（预测阳性的概率P大于阈值就认为是阳性，小于则认为是阴性）。AUC则是ROC曲线以下的面积，面积越大证明分类器的效果越好。 详细说明如下： 针对一个二分类问题，将实例分成正类(postive)或者负类(negative)。但是实际中分类

>>阅读原文<<