机器学习-查漏补缺知识点（一）—— ROC曲线

1.ROC曲线是什么？

　　ROC 曲线是英文“receiver operating characteristic curve”的简称，对应的中文含义是“受试者工作特征曲线”。简单讲就是对不同的阈值形成混淆矩阵，从而连点成线。

2.举例说明　

　　N 为真实的负类样本数量，P 表示真实的正类样本数量。

　　有10个物品，其中4个是次品，6个是正品。有一个质检员，对物品进行检测，检测出来了三个次品，但是这个三个次品中有一个是正品。也就是说P=4，N＝６。

FP＝１，FPR＝FP／N＝１／６

TP＝２，TPR＝TP／Ｐ＝２／４

　　因此ROC的图像中，坐标点（1/6, 2/4）,随着分类阈值的截断点不同，那么所对应的点不同，ROC成为一条曲线。

3.ROC是干什么的？

 　　用于评估不同二分类性能的。如何评估呢？用AUG评估。

4.AUG是什么？怎么评估？

　　（ Area Under Curve）曲线下面积，就是AUG是ROC曲线下面积的总和。通常AUG的取值范围在０.３－１之间，AUG越大表明分类器性能越好。