ROC曲线，AUC

Machine_Learning

---

ROC概念

Reciever operating characteristic curve

• True positive：一个实例是正类并且也被 预测成正类，即为真正类，TP
• False positive：如果实例是负类被预测成正类，称之为假正类，FP
• True negative，TN
• Fasle negative，FN

TPR, True positive rate, sensitivity
真正类率，命中率

$$TPR = \frac{TP}{TP+FN}$$
FPR, False positive rate
假正类率，假警报率
$$FPR = \frac{FP}{FP+TN}$$
TNR, True Negative Rate，specificity
真负类率
$$TNR = \frac{TN}{FP+TN}=1-FPR=Specifity$$
ACC，Accuracy
准确率
$$ACC=\frac{(TP + TN)}{P+N}$$

对于一个Binary Logistic Regression Classifier，计算结果为一个概率。设置不同的Threshold，可以得到不同的分类结果，进而算出不同的TPR/FPR。遍历“所有的Threshold”以TFR为横轴，TPR为纵轴，绘出ROC曲线。

Threshold=0，对应点（1,1）；
Threshold=1，对应点（0,0）；
理想目标：TPR=1，FPR=0，即图中(0,1)点，故ROC曲线越靠拢(0,1)点，越偏离45度对角线越好，Sensitivity、Specificity越大效果越好。

ROC意义

当测试集中的正负样本的分布变换的时候，ROC曲线能够保持不变。
在实际的数据集中经常会出现样本类不平衡，即正负样本比例差距较大，而且测试数据中的正负样本也可能随着时间变化。
下图是ROC曲线和Presision-Recall曲线的对比：

(a)和(c)为Roc曲线，(b)和(d)为Precision-Recall曲线。
(a)和(b)展示的是分类其在原始测试集(正负样本分布平衡)的结果，(c)(d)是将测试集中负样本的数量增加到原来的10倍后，分类器的结果。
可以明显的看出，ROC曲线基本保持原貌，而Precision-Recall曲线变化较大。

AUC

AUC不大于1；
一般ROC曲线都处于$y=x$上方，所以$1>AUC>0.5$；
AUC越大，当前分类器越有可能将正样本排在负样本前面，分类效果更好。

Reference

1. python sklearn画ROC曲线
2. ROC和AUC介绍以及如何计算AUC