机器学习之ROC曲线
本博客主要参考了https://www.evidentlyai.com/classification-metrics/explain-roc-curve。
1.TPR与FPR计算
真阳率TPR(True Positive rate)，又称召回率recall rate。
假阳率FPR(False Positive rate)：
2.TPR、FPR与分类阈值的关系
从下图中的例子可以看出，随着阈值升高，识别的阈值升高，阳性样本被识别出的概率（即TPR或召回率）降低；阴性样本被识别出的概率升高，因此假阳率FPR也降低。
极端的情况，当阈值为0时，所有样本都识别成了阳
标签：曲线,机器,阈值,ROC,rate,TPR,FPR,识别 From： https://blog.csdn.net/WANGWUSHAN/article/details/137210734