如何画ROC曲线？

在机器学习和深度学习中往往使用ROC曲线（receiver operating characteristic curve，简称ROC曲线）来表征系统的性能。最近初步学了一下如何plot，记录分享一下~

ROC的横纵坐标分别是FPR和TPR,这两个指标计算公式如下：

TPR=TP/(TP+FN)

FPR=FP/(FP+TN)

从公式中可以看出要画ROC曲线需要知道TP、FN、FP和TN。TP和FP分别代表：tp代表得分高于阈值，而且实际中就是同一个人，fp是高于阈值，但不是同一个人。所以TPR代表了正确接受率，而FPR代表了错误拒绝率。

用一个图来更加直观的表示TP、FN、FP和TN，便于理解（此处盗图）。

---

下面举个简单的例子（example）:

step1:得到注册和测试者之间的打分。

step2：分别以9个值为阈值，每个值对应四个TP、FN、FP和TN，同时根据这四个值计算TPR和FPR。

step3：计算完step2，得到9个点（每个阈值对应的TPR和FPR为一个点），将9个点连接就是ROC曲线了~

ROC曲线还未出炉，出炉再展示~~

 

若有错误，欢迎指正！