介绍：对于二分类问题，其真实值和预测值之间有如下四种情况

    预测值
    1 0
    真实值 1 TP
    (True positive)    		 FN
    (False Negtive)
    0 FP
    (False Positive)    		 TN
    (True Negtive)

    ROC曲线 - 图1 表示正样本中被预测为正样本的比例
    ROC曲线 - 图2 表示负样本中被预测为正样本的比例

    ROC曲线绘制步骤：（1）将模型得到的所有样本被分为正类的概率按大小排序
    （2）从高到低，将每一个样本被分为正类的概率设置为阈值，当样本属于正样本的概率大于这个阈值时被分为正样本，否则被分为负样本
    （3）对于每一个阈值，得到一组TPR和FPR的值，以FPR为横坐标TPR为纵坐标作出的图即为ROC曲线
    所用函数：