[KO机器学习] Day8 模型评估：ROC曲线

 场景描述

二值分类器（Binary Classifier）是机器学习领域中最常见也是应用最广泛的分类器。评价二值分类器的指标有很多。比如精确率、召回率、F1 score、P-R曲线等。上一篇已经对这些指标做了一定的介绍，但也发现这些指标或多或少只能反映模型在某一方面的性能。相比而言，ROC曲线则有很多优点、经常作为评估二值分类器最重要的指标之一。下面我们一起来详细了解一下ROC曲线的绘制方法和特点

---

知识点：ROC曲线、曲线下的面积（Area Under Curve，AUC）、P - R曲线

---

问题1：什么是ROC曲线？

难度：★☆☆☆☆

ROC曲线是receiver operating characteristic curve 的简称，中文名称为 受试者工作特征曲线。ROC曲线源于军事领域，而后在医学领域应用最广。受试者工作特征曲线这一名称也正是来自于医学领域。

ROC曲线的横坐标为假阳性率（False Positive Rate，FPRÿ