PR曲线，ROC曲线和AUC的区别

参考资料：
https://www.cnblogs.com/pinard/p/5993450.html
https://blog.csdn.net/dinosoft/article/details/43114935
https://blog.csdn.net/qq_16365849/article/details/52702412

ROC 和 AUC再次总结：
ROC是以特异度（FPR）和 灵敏度（TPR）为横纵坐标构成的曲线（实际是折线）。
AUC是ROC “曲线”与 x = 0 和 y = 1直线所构成的面积。
其中ROC曲线的横坐标是特异度（False Posistive Rate） FPR = FP / FP + TN，其含义是误分为正样本的负样本占所有正样本的比例。ROC曲线的纵坐标是灵敏度（True Positive Rate）TPR = TP / TP + FN，其含义是正确分类的正样本占所有正样本的比例。

True Positive, TP: 预测为正样本，实际也为正样本
False Positive, FP: 预测为正样本，实际为负样本
True Negative, TN: 预测为负样本，实际也为负样本
False Negative, FN: 预测为负样本，实际为正样本

准确率（Precision，P）
P = TP / (TP + FP)

召回率（Recall，R）
R = TP/ (TP + FN)

灵敏度（True Positive Rate, TPR，所有实际正例中，正确识别的正例比例）
TPR = TP / (TP + FN)

特异度（False Positive Rate, FPR, 所有实际负例中，错误识别为正例的负例比例）

• P-R曲线的横坐标(x)为Recall, 纵坐标(y)为Precision。
• ROC(Receiver Operator Characteristic)曲线的横坐标(x)是FPR, 纵坐标(y)是TPR。
  eg:
  
  ROC曲线越靠左上角效果越好，曲线和横纵坐标围成的面积即为AUC(Area Under Curve)的值，AUC的值越大，效果越好。

可以用ROCR包（R语言）来画PR曲线，ROC曲线和求AUC的值。