ROC曲线描述了二元分类问题的性能，基于不同阈值处理一组分数进行分类。宽松的阈值提供高灵敏度但低特异性，严格的阈值提供高特异性但低灵敏度；ROC曲线展示了在一系列阈值上的这种权衡。此代码提供了灵活选择敏感度与特异性的选项。ROC曲线的凸包位置可以理论上用于操作，因此也展示了该图。ROC曲线下面积（AUC）是评估分类器总体准确度的度量，而ROCCH下的面积则是一种上限，通过加权不同分类器阈值结果的组合实现。