【机器学习百问】4.什么是ROC曲线，如何绘制ROC曲线？

难度系数（5分制）： 1
ROC的来源： Receiver Operating Characteristic Curve的简称；源于军事领域，在医学领域应用甚广；中文名叫“受试者工作特征曲线”；在机器学习中用来衡量二值分类器的性能；
ROC定义：

ROC曲线横轴为假阳性率=FP/N（假阳性个数/真实的负样本个数）， 纵轴为真阳性率=TP/P（真阳性个数/真实的正样本个数），可以用来帮助二分类器确定合适的截断点（阈值）；
以一个例子进行说明：假设有10为患者，其中3位患癌症（P=3），另外7人未患癌症（N=7）；医院诊断结果为3人患癌症，七人健康，但其中两个人诊断正确（TP=2）， 有一个健康人被误诊为癌症（FP=1）；故真阳性率=2/3， 假阳性率为1/7；
绘制在图像上为（1/7， 2/3）；
ROC绘制解释：

曲线上的【0，1】的数值表示不同的二分类器阈值，以（0.1， 0.2， 0.7）为例，表示当阈值为0.7时，模型的假阳性率为0.1， 真阳性率为0.2；ROC曲线绘制时从左至右为阈值1到0的递减，最左端为1，最右端为0；
用来反应二分类器在不同阈值时分类器分类的性能好坏；