sklearn子框架系列之一：史上最全的ROC原理与AUC计算

 ROC（Receiver Operating Characteristic）曲线和AUC（Area Under Curve）常被用来评价一个二值分类器（binary classifier）的优劣。 什么是ROC曲线？指受试者工作特征曲线/接收器操作特性曲线，是反映灵敏性和特异性连续变量的综合指标，是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性。ROC曲线是根据一系列不同的二分类方式（阈值），以真正例率（也就是查全率或灵敏度）（True Positive Rate，TPR）为纵坐标，假正例率（1-特异性）（False Positive Rate，FPR）为横坐标绘制的曲线。ROC用于观察模型正确地识别正例的比例与模型错误地把负例数据识别成正例的比例之间的权衡。TPR的增加以FPR的增加为代价。ROC ………………………………