📚 课程目录第2章 ROC曲线绘制

2. ROC曲线绘制：TPR与FPR的定义、绘制步骤、对角线含义

在风险计量中，AUC（Area Under the Curve）是衡量模型区分正负样本能力的核心指标。而AUC的几何基础正是ROC曲线。本章将严格定义真正率（TPR）与假正率（FPR），拆解ROC曲线的绘制步骤，并解释对角线的统计含义。

2.1 混淆矩阵与TPR、FPR的定义

在二分类风险模型中，预测结果与真实标签组合形成混淆矩阵。下表展示了四种基本计数：

	真实正例 (P)	真实负例 (N)
预测正例	TP (真正例)	FP (假正例)
预测负例	FN (假负例)	TN (真负例)

基于混淆矩阵，定义两个核心比率：

真正率（TPR） = TP / (TP + FN) = TP / P
含义：模型正确识别出的正例占所有真实正例的比例。在风控中，TPR代表“坏客户被正确捕获”的比率，也称为召回率（Recall）或灵敏度（Sensitivity）。
假正率（FPR） = FP / (FP + TN) = FP / N
含义：模型错误地将负例预测为正例的比例。在风控中，FPR代表“好客户被误判为坏客户”的比率，也称为误警率（Fall-out）。

记忆技巧：TPR关注“抓对了多少坏人”；FPR关注“误伤了多少好人”。一个好的风控模型应追求高TPR同时保持低FPR。

2.2 ROC曲线绘制步骤

ROC曲线通过遍历所有可能的分类阈值，计算每个阈值下的(TPR, FPR)坐标点，并将这些点连接成曲线。具体步骤如下：

获取预测概率：模型对每个样本输出一个介于0到1之间的风险评分或概率值。
排序：将所有样本按预测概率从高到低排序。
遍历阈值：从最高概率到最低概率，依次将每个样本的预测概率作为分类阈值。
计算混淆矩阵：对于每个阈值，将预测概率≥阈值的样本判为正例，<阈值的判为负例，统计TP、FP、FN、TN。
计算坐标点：根据混淆矩阵计算TPR和FPR，得到点(FPR, TPR)。
绘制曲线：将所有点按FPR从小到大连接，形成ROC曲线。

  关键细节：当阈值为0时，所有样本均被判为正例，此时TPR=1，FPR=1，对应右上角(1,1)点；当阈值为1时，所有样本均被判为负例，此时TPR=0，FPR=0，对应左下角(0,0)点。因此ROC曲线始终从(0,0)出发，终止于(1,1)。

下表总结了阈值变化对TPR和FPR的影响趋势：

阈值变化方向	预测正例数量	TPR变化	FPR变化
阈值降低	增加	上升（捕获更多正例）	上升（误伤更多负例）
阈值升高	减少	下降（漏掉部分正例）	下降（误伤减少）

2.3 对角线含义与随机模型

ROC曲线图中的对角线（从(0,0)到(1,1)的直线）代表一个完全随机猜测模型的性能。其数学表达式为：TPR = FPR。

对角线的统计含义：

无区分能力：无论阈值如何调整，模型正确识别正例的概率与错误识别负例的概率始终相等，说明模型没有学到任何有效信息。
基准线：任何有效模型的ROC曲线都应位于对角线上方。曲线越靠近左上角(0,1)点，模型性能越好。
AUC=0.5：对角线下方面积为0.5，这是随机模型的AUC值。AUC>0.5表示模型优于随机猜测。

风控实战警示：在样本极度不平衡（如坏客户占比<1%）时，即使模型表现很差，也可能因为大量TN的存在而使得AUC看起来不低。此时必须结合提升度（Lift）或KS统计量进行综合评估，不能仅依赖AUC。

2.4 ROC曲线与对角线对比示意图

下图展示了三条典型ROC曲线及其与对角线的位置关系：

2.5 代码实现：从预测概率到ROC曲线

以下Python代码展示了如何手动计算TPR和FPR并绘制ROC曲线：

import numpy as np
import matplotlib.pyplot as plt

def calculate_roc(y_true, y_score):
    """
    手动计算ROC曲线的TPR和FPR
    
    参数:
        y_true: 真实标签 (0或1)
        y_score: 预测概率 (0到1)
    
    返回:
        fpr_list, tpr_list: 各阈值下的假正率和真正率
    """
    # 按预测概率降序排序
    sorted_indices = np.argsort(y_score)[::-1]
    y_true_sorted = y_true[sorted_indices]
    
    # 统计正负样本总数
    P = np.sum(y_true_sorted == 1)
    N = np.sum(y_true_sorted == 0)
    
    # 初始化
    tpr_list = [0.0]
    fpr_list = [0.0]
    tp = 0
    fp = 0
    
    # 遍历每个样本作为阈值
    for i in range(len(y_true_sorted)):
        if y_true_sorted[i] == 1:
            tp += 1
        else:
            fp += 1
        tpr = tp / P
        fpr = fp / N
        tpr_list.append(tpr)
        fpr_list.append(fpr)
    
    return fpr_list, tpr_list

# 示例数据
y_true = np.array([1, 0, 1, 0, 1, 0, 0, 1, 0, 0])
y_score = np.array([0.9, 0.8, 0.7, 0.6, 0.55, 0.4, 0.3, 0.2, 0.1, 0.05])

fpr, tpr = calculate_roc(y_true, y_score)

# 绘制ROC曲线
plt.figure(figsize=(8, 6))
plt.plot(fpr, tpr, 'b-', linewidth=2, label='ROC曲线')
plt.plot([0, 1], [0, 1], 'k--', linewidth=1, label='随机模型')
plt.xlabel('假正率 (FPR)')
plt.ylabel('真正率 (TPR)')
plt.title('ROC曲线')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

工程建议：在实际项目中，推荐直接使用 sklearn.metrics.roc_curve 和 sklearn.metrics.roc_auc_score 函数，它们经过高度优化且处理了边界情况。手动实现仅用于理解原理。

2.6 本章小结

TPR = TP / P，衡量模型捕获正例的能力；FPR = FP / N，衡量模型误伤负例的程度。
ROC曲线通过遍历所有阈值，绘制(FPR, TPR)轨迹，反映模型在不同阈值下的综合表现。
对角线（TPR = FPR）代表随机模型，是评估模型有效性的基准线。
ROC曲线越靠近左上角，模型区分能力越强；AUC即为曲线下方面积，量化了这一性能。