Python3入门机器学习

8.4 ROC曲线

ROC曲线（Receiver Operation Characteristic Curve）：描述TPR和FPR之间的关系。


一般来说，FPR值越大，TPR值越大；FPR值越小，TPR值越小

对于ROC曲线来说，我们通常关注的是这条曲线下面的面积的大小，面积越大代表我们训练出的模型它的分类效果越好。这是因为在ROC曲线上，在x越小的时候就是FPR越低的时候，也就是我们犯false-positive越少的时候，相应的曲线的值越高，也就是TPR越大，也就是我们得到true-positive正确结果越多的时候，这根曲线整体就会被抬得越高，底下的面积相应的也就会越大。所以ROC曲线下面的面积可以作为分类算法的一个指标。