ROC Curve

定义 Definition

ROC 曲线（Receiver Operating Characteristic curve，受试者工作特征曲线）是一种用来评估二分类模型性能的图形工具：横轴通常是假阳性率（FPR），纵轴是真阳性率（TPR）。通过改变分类阈值绘制出的曲线，可用来观察模型在不同阈值下“抓住正类”和“误报负类”的权衡。常配合 AUC（曲线下面积）作为整体表现的指标。

发音 Pronunciation (IPA)

/ˌɑːr oʊ ˈsiː kɝːv/

例句 Examples

The ROC curve shows how the classifier changes as we adjust the threshold.
ROC 曲线展示了当我们调整阈值时分类器表现如何变化。

In medical screening, researchers compare models by their ROC curves and AUC to balance sensitivity and false alarms.
在医学筛查中，研究者会通过 ROC 曲线和 AUC 来比较模型，以在灵敏度与误报之间取得平衡。

词源 Etymology

“ROC”是 Receiver Operating Characteristic 的缩写，起源于信号检测理论与早期雷达/通信领域：用来描述接收器在不同判定标准下的检测能力与误报情况。后来这一方法被统计学与机器学习广泛借用，用于评估分类器。

相关词 Related Words

• AUC
• Sensitivity
• Specificity
• Confusion Matrix
• True Positive Rate
• False Positive Rate
• Precision-Recall Curve
• Threshold
• Binary Classification
• Classifier

文学与著作 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——讨论分类评估方法时涉及 ROC/AUC。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在模型评估与分类章节中使用 ROC 曲线相关概念。
• Introduction to Information Retrieval（Manning, Raghavan, Schütze）——在检索与分类评估的语境中提及 ROC 等曲线工具。