数据挖掘中的ROC曲线

基本术语

•   真阳性（TP, true positive）：预测为真，实际上也为真。
•   伪阳性（TN, true negative）：预测为真，实际却为假。
•   真阴性（FP, false positive）：预测为假，实际上也为假。
•   伪阴性（FN, false negative）：诊断为假，实际却为真。

1、真正率(TPR, true positive rate)，即命中率

    TPR = TP / P = TP / (TP+FN)

2、假真正率(FPR, false positive rate)，即错误命中率、假警报

     FPR = FP / N = FP / (FP + TN)

3、准确度(ACC, accuracy)

     ACC = (TP + TN) / (P + N)

 

roc空间

  ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。也即是一个(0,0)到(1,1)的二维坐标空间。

例如：

  一个二元分类器，对于一个样本数为N的样本空间，每个样本x被预测为真（1）的概率为P(x)。即选择一个阈值P(0),

使得P(x)>P(0)的样本被预测为真(1)，且样本数为m。而实际该样本空间中，表现为真(1)的个数为n。这样就得到，

TPR = m/n，FPR = (N-m)/(N-n),即在roc空间中，该点表示为(m/n,(N-m)/(N-n))。

 

roc曲线

根据上述描述关于roc空间的原理，通过改变不同的阈值P(k)，k=0,1,2···k。根据

P(x)>P(k)得到m(k)，即可得到点(m(k)/n,(N-m(k))/(N-n)),从而在roc空间里绘出roc曲线。