人脸识别学习笔记(一):关于ROC曲线

一 、roc曲线

1. roc曲线：接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。

• 横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Specificity)
• 纵轴：真正类率(true postive rate TPR)灵敏度，Sensitivity(正类覆盖率)

2.针对一个二分类问题，将实例分成正类(postive)或者负类(negative)。但是实际中分类时，会出现四种情况，命名时都以其预测的类为主要主题，再以实际分类定义其真假。

若一个实例是正类并且被预测为正类，即为真正类(True Postive TP)	TP:正确的肯定数目
若一个实例是正类，但是被预测成为负类，即为假负类(False Negative FN)	FN:漏报，没有找到正确匹配的数目
若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP)	FP:误报，没有的匹配不正确
若一个实例是负类，但是被预测成为负类，即为真负类(True Negative TN)	TN:正确拒绝的非匹配

列联表如下，1代表正类，0代表负类：