ROC曲线

ROC曲线是一种用来度量分类模型好坏的一个标准，全名叫做Receiver Operating Characteristic。ROC曲线绘制时，首先将每个样本属于正样本的概率进行大小排序，再依次以每个样本属于正样本的概率作为阈值。高于这个阈值被视为正样本，低于这个阈值视为负样本。由此进行计算，得到该样本的FPR和TPR，并以此为坐标点。
TPR代表分类器预测的正类中实际正实例占所有正实例的比例。
FPR代表分类器预测的正类中实际负实例占所有负实例的比例
计算公式分别为
$$TPR=\frac{TP}{TP+FN}$$
$$FPR=\frac{FP}{FP+TN}$$
参考ROC绘制实例如下：

score即为每个样本属于正样本的概率，class为样本真实的类别。
计算部分样本的坐标点（TPR,FPR）
以第3个样本为例，此时样本属于正样本的概率为0.7，所以以0.7作为阈值。概率大于0.7的样本视为正样本，小于0.7的是负样本。即样本1、2、3都被视为正样本，其余样本为负样本。此时的TP（被正确分类的正例）有2个，FN(被错分为负例的正例)有8个，TN（True Negative被正确分类的负例）有9个、FP（False Positive被错分为正例的负例）有1个，所以此时TPR为0.2，FPR为0.1

绘制ROC曲线

小菜鸟刚刚搞懂的基础概念 自我记录一下