ROC曲線（Receiver Operating Characteristic curve）是一種用於評估分類模型性能的圖形工具，主要反映敏感性（真陽性率，TPR）和特異性（假陽性率，FPR）之間的關係。以下是ROC曲線的主要特點：
橫坐標代表1-特異性，也稱為假陽性率，越接近零表示準確率越高。
縱坐標代表敏感度，也稱為真陽性率，越高代表準確率越好。
曲線下方的面積被稱為AUC（Area Under Curve），用來表示預測準確性，AUC值越高，預測準確率越高。
曲線越接近左上角，即敏感性和特異性都較高時，預測準確率越高。
ROC曲線廣泛套用於醫學、統計學、金融等多個領域，用於評估模型預測的準確度。以上是ROC曲線的基本概念和解讀方法，希望對你有所幫助。