【Face Learning Notes】ROC曲线

二分类问题中的ROC（receiver operating characteristic curve）曲线示例如下：

二分类问题中，样本分为正样本（positive）和负样本（negative）。对于一个分类器的预测结果有正确（True）和错误（False）。所以对应的情况就有如下四种：



ROC曲线的横坐标是假正类率（false positive rate），计算公式为：FPR=FP/(FP+TN)，对应的是被预测为正样本的负样本占所有负样本的比率。纵坐标是真正类率（true positive rate），计算公式为TPR=TP/(TP+FN)，对应的是被预测为正样本的正样本占所有正样本的比率。一般随着FPR的升高，TPR也会升高，下图是http://vis-www.cs.umass.edu/lfw/results.html上给出的人脸预测的ROC曲线：