AUC-ROC曲线图

AUC-ROC（Area Under the Receiver Operating Characteristic Curve）是一种用于评估分类模型性能的指标。AUC-ROC曲线是以真正例率（True Positive Rate，TPR）为纵轴，假正例率（False Positive Rate，FPR）为横轴绘制的曲线。它描述了在不同阈值下模型的分类能力。

AUC-ROC曲线的面积越大，说明模型的性能越好。当AUC-ROC为1时，表示模型完美分类；当AUC-ROC为0.5时，表示模型的分类结果等同于随机猜测。

绘制AUC-ROC曲线的步骤如下：
1. 对模型进行预测，并获得预测结果和真实标签。
2. 根据预测结果对样本进行排序。
3. 从最小到最大的阈值依次计算TPR和FPR，并绘制成曲线。

AUC-ROC曲线图能够直观地展示模型的分类性能，并可以用于比较不同模型的性能优劣。