直观深入了解ROC曲线

讲原理的这篇讲得最好了：

https://www.cnblogs.com/dlml/p/4403482.html

 

 

下面补充一些直观的解释和例子：

TPR / FPR：

 事实上从TPR和FPR的定义中并没有显示地指出这个Rate是相对于什么的Rate，事实上TPR的分母是*所有正例*，FPR的分母是*所有负例*。

画一个类似下图（上面那个博客链接中出现过）的图：

直观地看TPR和FPR。下图中绿色代表阈值，黄色是TN，紫色FP，粉色FN，灰色TP

TPR = 灰色/整个正样本  。  TPR越大越好

FPR = 紫色/整个负样本 。   FPR越小越好

注意到灰色和紫色都是阈值线右边的部分，也就是说都是被预测为positive的样本。对于TPR来说，绿线越靠左越好；对于FPR来说，绿线越靠右越好。阈值线从右到左的过程，就是ROC曲线从左下角到右上角的过程。

                       

                  阈值线从右到左                                  对应                  ROC曲线从左下角到右上角的点

举两个极端例子：

上图又画了两条阈值线：

①. 在所有样本左边。 TPR = 1 ， FPR = 1. 所有样本都被预测为positive

②. 在所有样本右边。 TPR = 0 ， FPR = 1. 所有样本都被预测为negative

 

再考虑最优情况下的ROC曲线，也就是正负样例完全可分的时候，AUC = 1. 样本分布如下图。可以自己模拟一下阈值线移动来构造ROC。

 

然后再说课题中遇到的问题，

Tobecontinued。。。