最近在读的几篇论文中都使用ROC曲线来分析算法的好坏，这里总结一下这个曲线的一些名词和用法。我这里只列举一些很简单的内容，想要掌握详细的用法请移步参考中维基百科链接，那里讲解非常详细。
ROC曲线
在信号检测理论中，接收者操作特征曲线（receiver operating characteristic curve，或者叫ROC曲线）是一种座标图式的分析工具，用于：
- 选择最佳的信号侦测模型、舍弃次佳的模型。
- 在同一模型中设定最佳阈值。
在做决策时，ROC分析能不受成本／效益的影响，给出客观中立的建议。
名词
- True Positive （真正, TP）被模型预测为正的正样本；可以称作判断为真的正确率
- True Negative（真负 , TN）被模型预测为负的负样本 ；可以称作判断为假的正确率
- False Positive （假正, FP）被模型预测为正的负样本；可以称作误报率
- False Negative（假负 , FN）被模型预测为负的正样本；可以称作漏报率
- True Positive Rate（真正率 , TPR）或灵敏度（sensitivity），TPR = TP /（TP + FN），正样本预测结果数 / 正样本实际数
- True Negative Rate（真负率 , TNR）或特指度（specificity），TNR = TN /（TN + FP），负样本预测结果数 / 负样本实际数
- False Positive Rate （假正率, FPR），FPR = FP /（FP + TN），被预测为正的负样本结果数 /负样本实际数
- False Negative Rate（假负率 , FNR），FNR = FN /（TP + FN），被预测为负的正样本结果数 / 正样本实际数