ROC曲线（Receiver Operating Characteristic curve）是一种用于评价二分类模型性能的图形化工具。ROC曲线以真正例率（True Positive Rate）为纵轴，假正例率（False Positive Rate）为横轴，展示了在不同阈值下模型的性能。AUC（Area Under the Curve）则是ROC曲线下的面积，用于衡量模型的性能，AUC值越大表示模型性能越好。
通过观察ROC曲线和计算AUC值，可以帮助我们选择最佳的分类阈值，评价模型的性能以及比较不同模型的性能。ROC曲线和AUC是评价分类模型性能中常用的指标。
