ROC曲线实例分析

1 ROC分析相关

ROC(Receiver Operating Characteristic,受试者工作特征曲线)的概念来自信号检测原理中

• 最初只是为了区分噪声和非噪声
• 对于二分类问题具有很好的表现性能（仅仅是二分类问题，即是非，无有，0/1等）
• 通过以(FPR,TPR)为坐标点画出二维平面中的曲线，即ROC曲线
  
  • Recall = TPR = TP/(TP+FN) (True Positive Rate,也叫”sensitivity”或者”recall”或”召回率”或”查全率”或”真阳性率”)
  • FPR = FP/(FP+TN) (False Positive Rate,也叫”Fall-Out”或者”假阳性率”)
• 其他相关的性能评价标准
  
  • Precision = TP/(TP+FP) (精确度/率)
  • Accuracy = (TP+TN)/(P+N) = (TP+TN) / (TP + FN + FP + TN) (准确率，姑且这么叫吧，其中P为所有的正样本，N为所有的负样本)
  • F-Meature = 2(Precision*Recall)/(Precision + Recall)

  上面有些概念还是不要看中文的好，直接用英文意思就好了，不然看到不同的文章会有不同的叫法，会误导自己。

  这里着重理解ROC曲线求取最优阈值或者说最优分类器。下面通过一个例子来分析&