En el contexto de la teoría del aprendizaje automático y la detección de señales, la curva ROC es un gráfico que ilustra la capacidad de diagnóstico de un sistema clasificador binario a medida que varía su umbral de discriminación. La curva ROC se crea trazando la tasa de verdaderos positivos (TPR) frente a la tasa de falsos positivos (FPR) en varias configuraciones de umbral.
La curva ROC es útil para evaluar el rendimiento de un clasificador binario midiendo su capacidad para clasificar correctamente instancias positivas y negativas. Un clasificador con buen rendimiento tendrá una curva ROC cercana a la esquina superior izquierda del gráfico, lo que indica una TPR alta y una FPR baja. Por el contrario, un clasificador de bajo rendimiento tendrá una curva ROC cercana a la línea diagonal, lo que indica un TPR bajo y un FPR alto.