基于分析工具的ROC曲线理解与绘制

什么是ROC曲线？

receiver operating characteristic curve, roc曲线上每个点反映了相同的信号刺激的敏感度

首先 ，在试图弄懂AUC和ROC曲线之前，一定要彻底理解混淆矩阵 的定义！

混淆矩阵中有着Positive、Negative、True、False的概念，其意义如下：

将被预测归类为1的对象称为Positive（阳性），并将被预测归类为0的对象称为Negative（阴性）。
认为我们结果正确的标记被认为是True（真），而我们结果错误的标记被认为是False（伪）。

对上述概念进行组合，就产生了如下的混淆矩阵：

随后 ，由此导出True Positive Rate (TPR)，也称为真阳性率或检出率；以及False Positive Rate (FPR)，也称为假阳性率这两个关键指标

深入观察这两个关键指标后发现, TP率即为TP值与同行组数据之比,FPR即为FP值与同行组数据之比,其意义可述如下

**TPRate的定义是指在所有真实类别标记为1的样本中,预测结果也标记为1的比例