ROC,रिसीवर ऑपरेटिंग विशेषता के लिए खड़ा है। आरओसी वक्र दो वर्गीकरण मॉडल के विश्लेषण के लिए एक सुविधाजनक दृश्य उपकरण हैं। आरओसी वक्र सिग्नल डिटेक्शन थ्योरी से प्रकट होते हैं जो द्वितीय विश्व युद्ध के दौरान रडार छवियों की खोज के लिए तैयार किया गया था।
एक आरओसी वक्र किसी दिए गए मॉडल के लिए वास्तविक सकारात्मक दर या संवेदनशीलता (सकारात्मक ट्यूपल्स का अनुपात जो मान्यता प्राप्त है) और झूठी-सकारात्मक दर (गलत तरीके से सकारात्मक के रूप में पहचाने जाने वाले नकारात्मक ट्यूपल्स का अनुपात) के बीच व्यापार-बंद को प्रदर्शित करता है।
दो-वर्ग की समस्या को देखते हुए, यह हमें उस दर के बीच व्यापार-बंद का अनुमान लगाने में सक्षम बनाता है जिस पर मॉडल 'हां' मामलों की सटीक रूप से पहचान कर सकता है, जिस दर पर वह गलती से 'नहीं' मामलों को 'हां' के रूप में कई "भागों" के रूप में पहचान लेता है। "परीक्षण सेट के। वास्तविक सकारात्मक दर में कुछ वृद्धि झूठी सकारात्मक दर में वृद्धि के मूल्य पर प्रकट होती है। आरओसी वक्र के नीचे का क्षेत्र मॉडल की सटीकता का आकलन है।
यह किसी दिए गए वर्गीकरण मॉडल, एम के लिए एक आरओसी वक्र संचालित कर सकता है, मॉडल को प्रत्येक परीक्षण टपल के अनुमानित वर्ग के लिए एक संभाव्यता या रैंकिंग वापस करने में सक्षम होना चाहिए। टेस्ट टुपल्स को अवरोही क्रम में रैंक करना आवश्यक है, जहां क्लासिफायरियर सोचता है कि आम तौर पर सकारात्मक है या सूची के शीर्ष पर 'हां' वर्ग होता है।
Naive Bayesian और backpropagation Classifiers उपयुक्त हैं, जबकि डिसीजन ट्री क्लासिफ़ायर सहित, को बस बदला जा सकता है ताकि हर भविष्यवाणी के लिए एक क्लास प्रायिकता वितरण वापस किया जा सके। आरओसी वक्र का ऊर्ध्वाधर अक्ष वास्तविक सकारात्मक दर को परिभाषित करता है। क्षैतिज अक्ष झूठी-सकारात्मक दर को परिभाषित करता है। एम के लिए एक आरओसी वक्र निम्नानुसार प्लॉट किया गया है।
यह निचले बाएं कोने से शुरू हो रहा है (जहां वास्तविक सकारात्मक दर और झूठी सकारात्मक दर दोनों 0 हैं), यह सूची के पहले टपल के वास्तविक वर्ग लेबल का परीक्षण कर सकता है। यदि यह एक वास्तविक धनात्मक है (अर्थात, एक धनात्मक टपल जिसे सही ढंग से परिभाषित किया गया था), तो ROC वक्र पर, यह बदल सकता है और एक बिंदु प्लॉट कर सकता है।
यह दो वर्गीकरण मॉडल के आरओसी वक्र प्रदर्शित करता है। प्लॉट एक विकर्ण रेखा भी प्रदर्शित करता है जहां ऐसे मॉडल के प्रत्येक सच्चे सकारात्मक के लिए आम तौर पर एक झूठी सकारात्मक का सामना करना पड़ता है।
इसलिए, एक मॉडल का आरओसी वक्र विकर्ण रेखा के जितना करीब होता है, मॉडल उतना ही कम कुशल होता है। यदि मॉडल सबसे अच्छा है, तो मूल रूप से यह वास्तविक सकारात्मकता का सामना कर सकता है क्योंकि यह रैंक की गई सूची को बदल सकता है। इसलिए, वक्र शून्य से तेजी से ऊपर जा सकता है। बाद में, चूंकि यह कम और कम वास्तविक सकारात्मक और उत्तरोत्तर झूठी सकारात्मक का सामना करना शुरू कर सकता है, वक्र केस बंद हो जाते हैं और अधिक क्षैतिज हो जाते हैं।