roc的解释
时间：2026-06-02 12:24:48来源：
ROC（Receiver Operating Characteristic）是一种用于评估分类模型性能的工具，尤其在二分类问题中广泛应用。它通过绘制不同阈值下的真正率（TPR）与假正率（FPR）之间的关系曲线，帮助分析模型的区分能力。
| 术语 | 含义 |
| TPR（真正率） | 正样本被正确识别的比例，计算公式：TP/(TP+FN) |
| FPR（假正率） | 负样本被错误识别为正的比例，计算公式：FP/(FP+TN) |
| AUC（曲线下面积） | ROC曲线下的面积，数值越大，模型性能越好 |
ROC曲线越靠近左上角，表示模型性能越优。AUC值接近1时，说明模型具有较强的判别能力。
