统计中的AUC和ROC曲线

在分类预测算法中，我们往往有以下四种情况：

1. 正确预测成错误（FPR，假阴性率）

2. 正确预测成正确（TPR，真阳性率）

3. 错误预测成正确（FNR，假阴性率）

4. 错误预测成错误（TNR，真阴性率）

 

 

 

我们对其中的TPR和FPR较为关注，每次计算都能够计算出来这两个值。如果说我们得预测算法是个二分类算法，那么我们可以通过调节分类的阈值来获得一批（TPR, FPR）的序列对，这条序列对在TPR-FPR图像上所构成的曲线就是ROC曲线，曲线与坐标轴围成的面积即为AUC(area under the curve)