二分类问题中的ROC(receiver operating characteristic curve)曲线示例如下:
二分类问题中,样本分为正样本(positive)和负样本(negative)。对于一个分类器的预测结果有正确(True)和错误(False)。所以对应的情况就有如下四种:
ROC曲线的横坐标是假正类率(false positive rate),计算公式为:FPR=FP/(FP+TN),对应的是被预测为正样本的负样本占所有负样本的比率。纵坐标是真正类率(true positive rate),计算公式为TPR=TP/(TP+FN),对应的是被预测为正样本的正样本占所有正样本的比率。一般随着FPR的升高,TPR也会升高,下图是http://vis-www.cs.umass.edu/lfw/results.html上给出的人脸预测的ROC曲线: