ROC曲線(xiàn)來(lái)歷：相傳在第二次世界大戰期間，雷達兵的任務(wù)之一就是死死地盯住雷達顯示器，觀(guān)察是否有敵機來(lái)襲。理論上講，只要有敵機來(lái)襲，雷達屏幕上就會(huì )出現相應的信號，但是實(shí)際上，有時(shí)如果有飛鳥(niǎo)出現在雷達掃描區域時(shí)，雷達屏幕上有時(shí)也會(huì )出現信號。這種情況令雷達兵煩惱不已：如果過(guò)于謹慎，凡是有信號就確定為敵機來(lái)襲，顯然會(huì )增加誤報風(fēng)險；如果過(guò)于大膽，凡是信號都認為飛鳥(niǎo)，又會(huì )增加漏報的風(fēng)險。為了研究每個(gè)雷達兵預報的準確性，雷達兵的管理者匯總了所有雷達兵的預報特點(diǎn)，特別是他們漏報和誤報的概率，并將這些概率畫(huà)到一個(gè)二維坐標里面。由于每個(gè)雷達兵的預報標準不同，且得到的敏感性和特異性的組合也不同。將這些雷達兵的預報性能進(jìn)行匯總后，雷達兵管理員發(fā)現他們剛好在一條曲線(xiàn)上，這條曲線(xiàn)就是我們經(jīng)常在醫學(xué)雜志上看見(jiàn)的ROC曲線(xiàn)。

ROC曲線(xiàn)（receiver operating characteristic curve）：即接受者操作特性曲線(xiàn)。我們根據學(xué)習器的預測結果，把閾值從0變到最大，隨著(zhù)閾值的增大，學(xué)習器預測正例數越來(lái)越少，直到最后沒(méi)有一個(gè)樣本是正例。在這一過(guò)程中，每次計算出靈敏度和特異性，分別以它們?yōu)闄M、縱坐標作圖，就得到了ROC曲線(xiàn)。

AUC面積（area under curve）：為ROC曲線(xiàn)下與坐標軸圍成的面積，這個(gè)面積數值 ≤ 1。由于ROC曲線(xiàn)一般都處于y = x這條直線(xiàn)的上方，所以AUC的取值范圍在0.5和1之間。我們往往使用AUC值作為模型的評價(jià)標準是AUC值越大，對應的模型效果更好。

準確率（accuracy）=（TP+TN）/（TP+TN+FP+FN），即被預測正確的樣本與所有預測樣本的比。

靈敏度（sensitivity）= TP /（TP+FN）×100%，即正確判斷陽(yáng)性的概率。

特異性（specificity）= TN /（FP+TN）×100%，即正確判斷陰性的概率。

陽(yáng)性預測值（PPV）= TP /（TP+FP）×100%，即被正確預測的陽(yáng)性樣本與所有預測為陽(yáng)性樣本的比。

陰性預測值（NPV）= TN /（FN+TN）×100%，即被正確預測的陰性樣本與所有預測為陰性樣本的比。

AUC面積用于模型性能的判斷

AUC值為ROC曲線(xiàn)所覆蓋的區域面積，顯AUC越大分類(lèi)器分類(lèi)效果越好。

AUC = 1，是完美分類(lèi)器，采用這個(gè)預測模型時(shí)，能得出完美預測。絕大多數預測的場(chǎng)合，不存在完美分類(lèi)器。

0.5 < AUC < 1，優(yōu)于隨機猜測。這個(gè)模型設置合適的閾值，能有預測價(jià)值。

AUC = 0.5，跟隨機猜測一樣（例：丟硬幣），模型沒(méi)有預測價(jià)值

AUC < 0.5，比隨機猜測還差，但只要總是反預測結果而行，模型就優(yōu)于隨機猜測。