ROC曲线

一、基本概念

        TP：（true positive 正报）    正确预测---本是正类，预测为正类。 

        FP：（false positive 误报）错误预测---本是负类，却预测为正类。

        FN：（false negative 漏报）错误预测---本是正类，却预测为负类。

        TN：（true negative 正报）  正确预测---本是负类，预测为负类。

       

        真正类率：TP/(TP+FN)，即  实际为正类也被预测为正类 / 实际所有正类，做纵轴。

        伪正类率：FP/(FP+TN)，即  实际是负类却被预测为正类 / 实际所有负类，做横轴。

二、ROC空间

       不同分类器在相同阈值时组成的离散点，用来评价分类器的优劣。

        标准：离左上角越近的点预测（诊断）准确率越高。

三、ROC曲线

        同一分类器取若干不同阈值时，所构成的曲线。

        标准：

  当阈值设定为最高时，必得出ROC座标系左下角的点 (0, 0)。（阈值最高，即没有任何值被判断为正类）

当阈值设定为最低时，必得出ROC座标系右上角的点 (1, 1)。（阈值最低，即所有值都被判断为正类）