ROC曲线及其绘制

 真正类率(true positive rate)                        计算公式 TPR = TP/( TP+FN) 

 TP : 正确肯定的数目                                   FN:漏报，没有正确找到的匹配的数目。

指的是分类器所识别的，正实例占所有正实例的比例。

负正类率(false positive rate)                        计算公式 FPR = FP/(FP+TN)

计算的是分类器错认为正类的负实例所占实例的比例。

ROC曲线的横纵坐标分别为负正类率，真正类率。

ROC曲线用于评价一个分类器，如果说已确定了一个阈值，那么大于这个阈值的实例就归为正类，小于这个值就归为负类。

ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。

在理想情况下，TPR应接近1，FPR应接近0,ROC曲线上的每一个点对应一个阈值，对于一个分类器，每个临界值下会有一个TPR和FPR。当threshold最大时，TP=FP=0 对应于原点，threshold最小时，TN = FN =0,对应于右上角的点(1,1)。随着阈值的增加TP和FP都减小ÿ