《机器学习》周志华读书笔记（二）模型评估与选择（下）

本篇文章紧接《《机器学习》周志华读书笔记（二）模型评估与选择（上）》，内容为2.3.3ROC与AUC开始讲起

2.3.3ROC与AUC

ROC全程“受试者工作特征”（Receiver Operating Characteristic）曲线，又称接受者操作特征曲线。该曲线最早应用于雷达信号检测领域，用于区分信号与噪声。后来人们将其用于评价模型的预测能力，ROC曲线是基于混淆矩阵得出的。

ROC曲线中的主要两个指标就是真正例率和假正例率。其中横坐标为假正例率（FPR），纵坐标为真正例率（TPR），借用上一篇文章中的表格，我们可以写出TPR和FPR的关系。

真实情况	预测结果
	正例	反例
正例	TP（真正例）	FN（假反例）
反例	FP（假正例）	TN（真反例）

（真正例率，纵坐标）

（假正例率，横坐标）