根据AUC计算样本量
接下来我们考虑ROC曲线图中的四个嘉活口—条线。第——1点，(0.1)，即FPR=O，TPR=1．这
意：味着FN (false negative) =0，并且FP (false positive) =0。Wow，这是—个完美的分
类器，它将所有的样本都正确分类。第二个点．a,o)，即FPR=1，TPR=O．类似地分析可以
发现这是—个最糟糕的分类器，因为它成功避开了所有的正确答案。第三个点．(0.0)，即
FPR=TPR=O，即FP (false positive) =TP (true positive) =0．可以发现该分类器预测所
有的样本都为负样本(negative)。类似的，第四个点(1.1)，分类器实际上预测所有的样
本都为正样本。经过以上的分析．我们可以断言．ROC曲线越接近左上角，该分类器的性能
越好。
下面考虑ROC曲线图中的虚线y=x上的点。这条对角线上的点其实表示的是—个采用随机猜测
策略的分类器的结果，例如(0.5.0.5)．表示该分类器随机对于—半的样本猜测其为正样本，另
外—半的样本为负样本。
因篇幅问题不能全部显示，请点此查看更多更全内容