ROC是 接收者操作特征曲线（Receiver Operating Characteristic curve）的简称，也称为受试者工作特征曲线。ROC曲线是一种用于评估二元分类器性能的工具，它通过将不同阈值下的真正例率（True Positive Rate，TPR）和假正例率（False Positive Rate，FPR）绘制在二维平面上形成。
ROC曲线有以下几个关键点：
定义 ：ROC曲线是通过以假阳性率（FPR）为横坐标，真阳性率（TPR）为纵坐标所组成的坐标图。计算
真阳性率（TPR）：
判定为正例也是真正例的概率，也称为查全率或召回率。
假正例率（FPR）：判定为正例却不是真正例的概率，即真负例中判为正例的概率。
应用：
ROC曲线最初应用于雷达信号检测领域，用于区分信号与噪声。后来，它被广泛用于评估各种分类模型的预测能力，特别是在医学诊断和金融预测中。
性能指标：
ROC曲线下方的面积（Area Under the Curve，AUC）是衡量分类器性能的一个重要指标。AUC越接近1，表示分类器的性能越好；AUC等于0.5时，表示分类器的性能与随机猜测相当。
总结：ROC曲线是一种强大的工具，用于评估二元分类器的性能，特别是在信号检测和信息检索领域。通过比较不同模型的ROC曲线和AUC值，可以选择最优的分类器。