ROC 曲线的由来

ROC 曲线最早是运用在军 事上的，后来逐渐运用到医学领域，并于 20 世纪 80 年代后期被引入
机器学习领域。相传在第二次世界大战期间，雷达兵的任务之一就是死死地盯住雷达显示器 ，
观察是否有敌机来袭。理论上讲，只要有敌机来袭，雷达屏幕上就会出现相应的信号。但是实
际上 ，如 果飞鸟出现在雷达扫描区域时 ， 雷达屏幕上有时也会出现信号。这种情况令雷达兵烦
恼不己，如果过于谨慎，凡是有信号就确定为敌机来袭，显然会增加误报风险，如果过于大胆，
凡是信号都认为是飞鸟，又会增加漏报的风险。每个雷达兵都竭尽所能地研究飞鸟信号和飞机
信号之问的区别，以便增加预报的准确性。但问题在于，每个雷达兵都有自己的判别标准，有

的雷达兵比较谨慎，容易出现漏报 ， 有的雷达兵则比较胆大，容易出现误报。

为了研究每个雷达兵预报的准确性，雷达兵的管理者汇总了所有雷达兵的预报特点，特别是他
们漏报和误报的概率，并将这些概率画到一个二维坐标系里。这个二维坐标的纵坐标为敏感性
（真阳性率），即在所有敌机来袭的事件中，每个雷达兵准确预报的概率。而横坐标则为 1－特
异性（假阳性率），表示在所有非敌机来袭信号中，霄达兵预报错误的概率。由于每个雷达兵
的预报标准不同，且得到的敏感性和特异性的组合也不同。将这些雷达兵的预报性能进行汇总后，
雷达兵管理员发现他们刚好在一条曲线上 ， 这条曲线就是后来被广泛应用在医疗和机器学习领
域的 ROC 曲 线。