对ROC的个人理解

在模型中经常用到ROC，那么ROC的横纵坐标是什么？为什么使用这两个？使用ROC的好处到底是什么？一直困扰我，简单写下当前的理解。
ROC的横坐标的假正率，即FPR= FP/(FP+TN),纵坐标为真正率TPR = TP/(TP+FN).
重点在于这个横纵坐标。
图的画法可找相关文章，通过作图的过程，实际上是将数据划分为两块，即预测为正的一块和预测为负的一块，纵坐标主要衡量的是上面那一块的，得到的是正样本中有多少正预测对了，横坐标衡量下面那一块，那么在实际数据中，即使样本量翻倍了，也不会影响这个值，比方说正样本保持不变，负样本翻了10倍，那么在处理roc的时候，FP和TN都会成倍的增加，导致FPR并不会显著变化，同理TPR一样。