菜鸟理解ROC曲线和AUC

1.ROC曲线: 受试者工作特征曲线 (receiver operating characteristic curve）又称为感受性曲线(sensitivity curve)。
2.ROC曲线: 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度和特异度，再以敏感度为纵坐标、特异度为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。
3.纵轴—敏感度—TPR
4.横轴—特异度—FPR

在二分类问题中，将实例分成正类(postive)或者负类(negative)。但是实际中分类时，会出现四种情况。
(1)若一个实例是正类并且被预测为正类，即为真正类(True Postive TP)
(2)若一个实例是正类，但是被预测成为负类，即为假负类(False Negative FN)
(3)若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP)
(4)若一个实例是负类，但是被预测成为负类，即为真负类(True Negative TN)
如下图：其中1表示正类，0表示负类。


在理解以上概念之后，接下来就是绘制ROC曲线了。假设已经得出一系