无差异曲线的特征

无差异曲线（ROC曲线）是一种用于评估分类模型性能的工具，其特征如下：

1. ROC曲线是以假正率（False Positive Rate，FPR）为横轴，真正率（True Positive Rate，TPR）为纵轴的曲线，其中假正率指被错误地分类为正例的负例样本占所有负例样本的比例，真正率指被正确地分类为正例的正例样本占所有正例样本的比例。

2. ROC曲线的起点是（0,0），终点是（1,1），对角线y=x表示随机猜测的分类器，ROC曲线越靠近左上角，分类器的性能越好。

3. ROC曲线下的面积（Area Under Curve，AUC）是一个用于衡量分类器性能的指标，AUC的取值范围在0.5到1之间，AUC越接近1，分类器的性能越好。

4. ROC曲线可以用于比较不同分类器的性能，也可以用于调整分类器的阈值，以达到不同的性能要求。

5. ROC曲线的优点是不受样本不平衡的影响，适用于二分类和多分类问题。