ROC曲線和AUC

以生物化驗舉例來說，ROC曲線橫座標就是假陽性率FPR= FP / (FP + TN)，縱座標是真陽性率TPR=TP/ (TP+ FN)，曲線上每個點都對應一個閾值（預測陽性的概率P大於閾值就認爲是陽性，小於則認爲是陰性）。AUC則是ROC曲線以下的面積，面積越大證明分類器的效果越好。 詳細說明如下： 針對一個二分類問題，將實例分成正類(postive)或者負類(negative)。但是實際中分類

>>阅读原文<<