Dans le contexte de la théorie de l'apprentissage automatique et de la détection de signaux, la courbe ROC est un tracé graphique qui illustre la capacité de diagnostic d'un système de classificateur binaire lorsque son seuil de discrimination varie. La courbe ROC est créée en traçant le taux de vrais positifs (TPR) par rapport au taux de faux positifs (FPR) à différents paramètres de seuil.
La courbe ROC est utile pour évaluer les performances d'un classificateur binaire en mesurant sa capacité à classer correctement les instances positives et négatives. Un classificateur performant aura une courbe ROC proche du coin supérieur gauche du tracé, indiquant un TPR élevé et un FPR faible. À l’inverse, un classificateur peu performant aura une courbe ROC proche de la diagonale, indiquant un TPR faible et un FPR élevé.