https://blog.csdn.net/zhaohang_1/article/details/92794489
https://blog.csdn.net/TheChosen1LBJ/article/details/87381811
https://www.zhihu.com/question/39840928
- TPRate的意义是所有真实类别为1的样本中,预测类别为1的比例。
- FPRate的意义是所有真是类别为0的样本中,预测类别为1的比例。
https://blog.csdn.net/weixin_37683979/article/details/87882943
https://www.cnblogs.com/peizhe123/p/5081559.html
https://www.cnblogs.com/massquantity/p/8592091.html
https://www.cnblogs.com/massquantity/p/8592091.html
注意TPR用到的TP和FN同属P列,FPR用到的FP和TN同属N列,所以即使P或N的整体数量发生了改变,也不会影响到另一列。也就是说,即使正例与负例的比例发生了很大变化,ROC曲线也不会产生大的变化,而像Precision使用的TP和FP就分属两列,则易受类别分布改变的影响。