【技术分享】小白也能看懂的 ROC 曲线详解

ROC 曲线是一种坐标图式的分析工具，是由二战中的电子和雷达工程师发明的，发明之初是用来侦测敌军飞机、船舰，后来被应用于医学、生物学、犯罪心理学。

如今，ROC 曲线已经被广泛应用于机器学习领域的模型评估，说到这里就不得不提到 Tom Fawcett 大佬，他一直在致力于推广 ROC 在机器学习领域的应用，他发布的论文《An introduction to ROC analysis》更是被奉为 ROC 的经典之作（引用 2.2w 次），知名机器学习库 scikit-learn 中的 ROC 算法就是参考此论文实现，可见其影响力！

不知道大多数人是否和我一样，对于 ROC 曲线的理解只停留在调用 scikit-learn 库的函数，对于它的背后原理和公式所知甚少。

前几天我重读了《An introduction to ROC analysis》终于将 ROC 曲线彻底搞清楚了，独乐乐不如众乐乐！如果你也对 ROC 的算法及实现感兴趣，不妨花些时间看完全文，相信你一定会有所收获！

一、什么是 ROC 曲线
下图中的蓝色曲线就是 ROC 曲线，它常被用来评价二值分类器的优劣，即评估模型预测的准确度。

二值分类器，就是字面意思它会将数据分成两个类别(正/负样本)。例如：预测银行用户是否会违约、内容分为违规和不违规，以及广告过滤、图片分类等场景。篇幅关系这里不做多分类 ROC 的讲解。