ROC曲线

ROC曲线，通俗来说，我们建立一个分类模型，但是这个分类模型不是直接告诉你这个属于类P那个属于类N，它会告诉你通过它的特征这个属于类P的概率是多少，这种情况下我们就要找一个阈值，通过这个阈值来判断是属于类P还是属于类N，比如我们可以说当超过阈值是属于类P否则属于类P。说了那么多我们来看个例子更容易理解

这里有一个数据，第一列数据是序号列，第二列数据为数据真实的类别列，第三列数据为分数列（这个是分数不是概率，不过一般都是概率，这里是分数效果也是一样的），然后我们就可以分数去预测类别，这时我们就需要找到一个阈值。我们找到一个阈值容易，但是如何找到一个最好的阈值呢，这里就涉及到判断阈值的效果的方法
这里我们需要引用两个指标TPR和FPR，TRP=判断为真且确实为真个数/所有真实为真的个数
FPR=判断为真但是却是假的个数/所有为假的个数
这样如果TPR越大且FPR越小越好，这样对于不同的阈值就可以有不同的TPR和FPR这样就可以画出以FPR为x轴以TPR为y轴的曲线图

这里每个点都是不同的阈值对应的FPR和TPR值，我们找到最靠近左上角的点对应的阈值就是最好的阈值了。而这个曲线就是ROC曲线了
上图的AUC表示ROC曲线下的面积，介于0到1之间，这个数值可以直观的评价分类器的好坏，值越大越好。（如果分类器不好即使找到最好的阈值预测分类效果也不好）
参考文献：
ROC曲线的通俗理解
全面了解ROC曲线
如果想用R语言画ROC曲线可以参考这篇文章
R语言-绘制ROC曲线