模型评估（二）—— ROC, AUC, 和ROC曲线绘制过程

ROC的全称是Receiver Operating Characteristic，也是模型评估中的重要概念之一。本文将结合 sklearn.metrics.roc_curve官方文档的例子来说明ROC曲线的绘制过程, 以及AUC的计算。

1) TPR和FPR

在前一篇文章里模型评估（一）—— 准确率(Accuracy)，精确率(Precision)，召回率（Recall），F1-Score的总结介绍过TP,TN,FP,FN和Recall，Precision的概念， 而本文要用到的指标是真阳性率：True Postive Rate（TPR）和假阳性率：False Postive Rate（FPR），计算公式分别为：
T P R = T P T P + F N , F P R = F P T N + F P TPR=\frac{TP}{TP+FN}, FPR=\frac{FP}{TN+FP} TPR=