这张图片对我来说确实是有意义的。

假设你有一些训练好的二元分类器A、B（B的表现几乎和随机猜测差不多等…），以及一个由n个测试样本组成的测试集来与这些分类器一起使用。由于精确度和召回率是针对所有n个样本计算的，这些对应分类器的点是有意义的。

现在有时候人们会谈论ROC曲线，我理解精确度是作为召回率的函数来表达的，或者简单地绘制精确度(召回率)。

我不理解这种变异性从何而来，因为你有一个固定的测试样本数。你是选择测试集的一些子集并找出精确度和召回率来绘制它们，因此有许多离散值（或一条插值线）吗？

回答：

ROC曲线对于以“分数”表达输出的二元分类器来说是明确定义的。这个分数可以是，例如，属于阳性类的概率，或者也可以是两个可能结果的概率分布之间的概率差异（甚至是对数比率）。

通过将这个分数的决策阈值设置在不同的水平，并测量给定该阈值的真正例率和假正例率，得到曲线。

维基百科的“接收者操作特征”页面中有一个这个过程的好例子：

例如，想象一下，患病人和健康人的血液蛋白水平分别以2 g/dL和1 g/dL为均值的正态分布。一个医学测试可能测量血液样本中某蛋白的水平，并将任何高于某一阈值的数值分类为表示疾病。实验者可以调整阈值（图中的黑色垂直线），这反过来会改变假阳性率。增加阈值会导致更少的假阳性（和更多的假阴性），对应于曲线上的左移。曲线的实际形状由两个分布的重叠程度决定。

如果你更喜欢代码，这里是scikit-learn中给定数据集中每个项目的预测计算ROC曲线的代码。基本操作似乎是（直接链接）：

desc_score_indices = np.argsort(y_score, kind="mergesort")[::-1]y_score = y_score[desc_score_indices]y_true = y_true[desc_score_indices]# accumulate the true positives with decreasing thresholdtps = y_true.cumsum()fps = 1 + list(range(len(y_true))) - tpsreturn fps, tps, y_score

（我省略了其中处理（常见情况）加权样本和当分类器对多个样本给出近乎相同分数的代码。）基本上，真实标签按照分类器分配给它们的分数以降序排序，然后计算它们的累积和，作为分类器分配的分数的函数，得到真正例率。

这里有一个展示如何使用它的例子：http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html