问题
仔细看ROC曲线发现"奇怪"的问题: ROC曲线横纵坐标分别为假阳性率和真阳性率，但是当假阳性率越来越大的时候从曲线得到真阳性率也是越来越大？为什么不是一个增加一个减小呢
在ROC（Receiver Operating Characteristic）曲线中，横轴表示假阳性率 （False Positive Rate, FPR），纵轴表示真阳性率（True Positive Rate, TPR）。关于假阳性率和真阳性率的变化关系，实际上是与分类模型的预测阈值有关的。
-
假阳性率（FPR） ：指的是所有负样本中被错误分类为正样本的比例，计算公式为：
其中，FP是假阳性数（负样本被错分类为正样本），TN是真阴性数（负样本正确分类为负）。
-
真阳性率（TPR） ：指的是所有正样本中被正确分类为正样本的比例，计算公式为：
其中，TP是真阳性数（正样本被正确分类为正样本），FN是假阴性数（正样本被错分类为负样本）。
为什么FPR增加时TPR也增加？
ROC曲线展示了不同阈值下，模型的FPR和TPR的变化情况。当我们改变分类模型的阈值时：
-
低阈值 ：当我们将阈值设得很低时，几乎所有的样本都会被预测为正类，这样假阳性率 （FPR）就会变得非常高，因为很多负样本被错误地预测为正类。而真阳性率（TPR）也会很高，因为大部分正样本会被正确预测为正类。
-
高阈值 ：当我们将阈值设得很高时，只有那些置信度非常高的样本才会被预测为正类，这样假阳性率 会下降，因为预测为正类的负样本减少了。但是，真阳性率也会降低，因为一些原本应该被正确分类为正类的样本现在被误判为负类。
在ROC曲线的变化过程中，假阳性率和真阳性率通常是同步变化的。当放宽阈值，使得更多的样本被预测为正类时，假阳性率和真阳性率都会增加。相反，当提高阈值时，二者都减小。