ROC曲线是什么？如何计算？

ROC（Receiver Operating Characteristic）曲线是用于评估二分类模型性能的一种常用工具。它以图形的方式展示了模型在不同阈值下的真正例率（True Positive Rate，也称为召回率）与假正例率（False Positive Rate）之间的权衡关系。

以下是ROC曲线的主要组成部分和计算方法：

1. 真正例率（True Positive Rate，TPR）：也称为召回率，是指在正例中，模型成功预测为正例的比例。它的计算公式是： TPR = TP / (TP + FN) 其中，TP表示真正例（模型正确地将正例分类为正例），FN表示假负例（模型将正例错误地分类为负例）。

2. 假正例率（False Positive Rate，FPR）：是指在负例中，模型错误地预测为正例的比例。它的计算公式是： FPR = FP / (FP + TN) 其中，FP表示假正例（模型错误地将负例分类为正例），TN表示真负例（模型正确地将负例分类为负例）。

3. 阈值（Thres