案例描述：在一个传染病数据集中，有80000个标签为不是传染病的记为负例（negtive），150个标签为是传染病的记为正例（positive），实际上我们的目标就是第一，在测试集测试的时候让这些正样本能够尽可能多得预测出来（TP）。第二，我们不希望模型把一个正常样本预测为有传染病（FP）（那不得把人吓死）。在目标第一点第二点中都提到了正例，说明影响模型可靠性的也是这些正例，我们的关注点也正是这些正例。而ROC曲线正好能够反应出来，尤其是在样本不均衡时。
1.ROC曲线相关知识
横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Specificity)
纵轴：真正类率(true postive rate TPR)灵敏度，Sensitivity(正类覆盖率)
在一个二分类问题中，将实例分成正类(postive)或者负类(negative)。但是实际中分类时，会出现四种情况.
(1)若一个实例是正类并且被预测为正类，即为真正类(True Postive TP)
(2)若一个实例是正类，但是被预测成为负类，即为假负类(False Negative FN)
(3)若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP)
(4)若一个实例是负类并且被预测成为负类，即为真负类(True Negative TN)
TP:正确的肯定数目
FN:漏报，没有找到正确匹配的数目（这事就严重了，万一人家到处跑咋办）
FP:误报，没有的匹配不正确（相比漏报没那么严重，也就是隔离而已）
TN:正确拒绝的非匹配数目
真正例率 TPR = TP / (TP + FN)-----------------（预测对了为正（人家本来就是正的））占（真实为正的比例）
假正例率 FPR = FP / （TN + FP）-------------（预测错了为正（人家本来是负的））占（真实负例的比例）
一开始说了，我们只关心那些真正的正例和乌龙的正例
下图中绿色代表阈值，黄色是TN，紫色FP，粉色FN，灰色TP
根据以上公式，我们的目标
TPR = 灰色/整个正样本 TPR越大越好
FPR = 紫色/整个负样本 。 FPR越小越好
但是看图也知道，要想让紫色面积越小，那灰色占比也会变小，所以阈值的设定比较纠结
现在我们指定一个阈值为0.9，那么只有第一个样本（0.9）会被归类为正例，而其他所有样本都会被归为负例，因此，对于0.9这个阈值，我们可以计算出FPR为0，TPR为0.1（因为总共10个正样本，预测正确的个数为1），那么我们就知道曲线上必有一个点为(0, 0.1)。依次选择不同的阈值（或称为“截断点”），画出全部的关键点以后，再连接关键点即可最终得到ROC曲线如下图所示。
2.代码实现
省略了数据处理相关代码，核心代码就是调用roc_curve()函数，传入测试集的label和模型给出的概率值
probabilities = model.predict_proba(test[["gpa"]])
fpr, tpr, thresholds = metrics.roc_curve(test["actual_label"], probabilities[:,1])
plt.plot(fpr, tpr)
plt.show()3.为什么不用PRC
因为ROC曲线有个很好的特性：当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。
为什么不变呢？TPR和FPR是实际label内部的操作，看混淆矩阵和tpr、fpr计算公式，无论实际label比例怎么变化，tpr、fpr计算公式都是在实际为p或者n的内部计算的。
参考文章：
