roc曲線（receiver operating characteristic curve）是利用classification模型真正率（true positive rate）和假正率（false positive rate）作為座標軸，圖形化表示分類方法的準確率的高低。
roc圖的一些概念定義:：
真正（true positive , tp
）被模型**為正的正樣本
假負（false negative , fn
）被模型**為負的正樣本
假正（false positive , fp
）被模型**為正的負樣本
真負（true negative , tn
）被模型**為負的負樣本
真正率（
tpr）
tpr = tp /
（tp + fn
）正樣本**結果數
/ 正樣本實際數
。在roc曲線中，tpr
作為y軸
假正率（fpr
）fpr = fp /
（fp + tn
）被**為正的負樣本結果數
/負樣本實際數
。在roc曲線中，ｆｐｒ作為ｘ軸
關於roc曲線的相關概念的解釋，請參閱cowboy_wz的部落格roc曲線：
我在此主要做的事情是畫出roc曲線工程實現方面的一些解釋。我們設計乙個函式，此函式需要有乙個模型**值predict和資料標籤值ground_truth作為輸入引數。分為幾步進行實現。
（１）統計資料標籤值ground_truth(及y)中分類為0和分類為1的資料數目：
pos_num=sum(ground_truth==1);neg_num=sum(ground_truth);
(２)對利用模型求出的**值predict由低到高進行排序;對應資料原來所在位置進行索引記錄，用於重新排序ground_truth.利用函式sort實現，sort詳情請檢視help文件：
[pre,index]=sort(predict); ground_truth=ground_truth(index);
(３)對ground_truth和predict遍歷i=1:n，n是測試集數目。其目的是隨著predict中概率的增加，隨著增加判斷正負樣本的閾值；也就是說取遍歷到的predict值為閾值，大於閾值的假設**為正樣本（閾值右邊），小於閾值的假設**為負樣本（閾值左邊）。
所以同時我們可得到真正tp 和假正fp值：tp=sum(ground_truth(i:n)==1);fp=sum(ground_truth(i:n)==0);
這時我們就可以求取tpr 和fpr了：tpr=tp/pos_num; fpr=fp/neg_num; 把求取到的值儲存起來（x(i),y(i)）,因為這就是我們要在圖上畫的點。
（４）返回曲線與座標軸間的面積ａｕｃ。我們的目的是測量資料的準確率，這個面積就是乙個量度，ａｕｃ越大，準確率越高。
auc=auc+(y(i)+y(i-1))*(x(i-1)-x(i))/2；
實現ｒｏｃ曲線的**如下：
% predict - 分類器對測試集的分類結果
% ground_truth - 測試集的正確標籤,這裡只考慮二分類，即0和1
% auc - 返回roc曲線的曲線下的面積
function auc = plot_roc( predict, ground_truth )
%初始點為（1.0, 1.0）
%計算出ground_truth中正樣本的數目pos_num和負樣本的數目neg_num
pos_num = sum(ground_truth==1);
neg_num = sum(ground_truth==0);
m=size(ground_truth,1);
[pre,index]=sort(predict);
ground_truth=ground_truth(index);
x=zeros(m+1,1);
y=zeros(m+1,1);
auc=0;
x(1)=1;y(1)=1;
for i=2:m
tp=sum(ground_truth(i:m)==1);fp=sum(ground_truth(i:m)==0);
x(i)=fp/neg_num;
y(i)=tp/pos_num;
auc=auc+(y(i)+y(i-1))*(x(i-1)-x(i))/2;
end;
x(m+1)=0;y(m+1)=0;
auc=auc+y(m)*x(m)/2;
plot(x,y);
end具體實現結果：
MATLAB中繪製ROC曲線
我們通常使用roc曲線來評價分類結果的好壞，在matlab中繪製該曲線其實也十分容易。我們讓label 表示真實的類別，output 表示 的類別，那麼呼叫 xrf,yrf,trf,aucrf perfcurve label,output,1 之後執行 plot xrf,yrf 即可得到roc曲線，...
ROC曲線 PR曲線
在 的結果分析中，roc和pr曲線是經常用到的兩個有力的展示圖。1.roc曲線 roc曲線 receiver operating characteristic 是一種對於靈敏度進行描述的功能影象。roc曲線可以通過描述真陽性率 tpr 和假陽性率 fpr 來實現。由於是通過比較兩個操作特徵 tpr和...
ROC閾值曲線
本文主要介紹乙個評價分類器穩定性的指標 roc閾值曲線。對於乙個已知的二分類結果 假設一共正，負兩個類別 可以把結果的資料分成以下4類 a原來的正類被分為正類，b原來的正類被分為負類，c原來的負類被分為正類，d原來的負類被分為負類。我們把a除以分類後的正類的數量稱作真陽性率 trp 把c除以分類以後...