做roc曲线条件是需要真正率（TPR）和假正率（FPR）的值。
ROC曲线的原始数据要求是分类模型在不同阈值下的真正率（TPR）和假正率（FPR）的值。
TPR表示实际为正例的样本中被正确预测为正例的比例，FPR表示实际为负例的样本中被错误预测为正例的比例。这些数据可以通过模型预测结果和真实标签计算得到。
做roc曲线的条件
ROC(Receiver Operating Characteristic)曲线,用于二分类判别效果的分析与评价.一般自变量为连续变量,因变量为二分类变量. 基本原理是:通过判断点(cutoff point/cutoff value)的移动,获得多对灵敏度(sensitivity)和误判率(1-Specificity(特异度)),以灵敏度为纵轴,以误判率为横轴,连接各点绘制曲线,然后计算曲线下的面积,面积越大,判断价值越高. 灵敏度:就是把实际为真值的判断为真值的概率. 特异度:就是把实际为假值的判断为假值的概率. 误判率:就是把实际为假值的判断为真值的概率,其值等于1-特异度. 将绘成的曲线与斜45度的直线对比,若差不多重合,说明自变量对因变量的判断价值很差,若越远离斜45度的直线即曲线下的面积越大,说明自变量对因变量的判断价值越好,即根据自变量可以较为正确的判断因变量. 使用SPSS的操作过程如下: Graphs/ROC Curve:Test variable选自变量(连续型变量),state varibale选因变量(二分类变量)display的选项一般全选. 运行结果:1.ROC曲线,可直观地看到曲线形状. 2.Area under the curve:曲线下方的面积,包括面积值,显著性分析,置信区间. 3.Coordinates of the curve:ROC曲线各点对应的灵敏度和误判率.