題記：
近來關於數據挖掘學習過程中，學習到朴素貝葉斯運算ROC曲線。也是本節實驗課題，roc曲線的計算原理以及如果統計TP、FP、TN、FN、TPR、FPR、ROC面積等等。往往運用ROC面積評估模型准確率，一般認為越接近0.5，模型准確率越低，最好狀態接近1，完全正確的模型面積為1.下面進行展開介紹：
ROC曲線的面積計算原理
一、朴素貝葉斯法的工作過程框架圖
二、利用weka工具，找到訓練的預處理數據
1、利用朴素貝葉斯算法對weather.nominal.arff文件進行處理，然后選擇temperature打開，選擇編輯找到預處理數據如圖1-1所示：
圖1-1 完整天氣數據信息圖
2、根據上面的訓練元組計算每個類的先驗概率，公式為P(C)
2.1、計算先驗概率
P(play=yes)=9/14=0.643
P(play=no)=5/14=0.357
2.2、 計算條件概率，根據公式P(X|C)
3、再根據公式（展示其中一個元組進行概率分類X= (outlook=sunny,temperature=mid,humidity=yes,windy=sunny)）代入上述數據：
3.1、 P(X|paly=yes)=P(outlook=sunny|play=yes)* P(temperature=mid|play=yes)* P(humidity=yes|play=yes)* P (outlook=sunny|play=yes)）
同理計算：P(X|paly=no)
3.2、通過結果比較，得出元組play
3.3、然后進行概率的計算
4、再引用《數據挖掘概念與技術》中P244頁方法，如圖1-2所示：
圖1-2 返回數據樣例
如上圖為樣例非真實數據：因為根據3.3可以計算每個元組的概率，利用概率大小進行類的排序。再根據先驗概率進行TP、FP、TN、FN的真實數據，並且不難算出TPR和FPR的數據
5、再引用《數據挖掘概念與技術》中P245頁知識，以FPR作為x軸，TPR作為Y軸，繪制數據的ROC曲線，將4中的數據分別代入進去，得到如圖1-3所示：
圖1-3 返回數據圖
根據以上圖形，利用數學方法得到ROC曲線面積為0.9222.然后再利用weka查看工具數據，如圖1-4所示：
圖1-4 weka返回數據
。
參考資料：
[1] 使用Weka進行數據挖掘（http://www.cnblogs.com/bluewelkin/p/3538599.html）
[2] WEKA使用（基礎配置+垃圾郵件過濾+聚類分析+關聯挖掘） （http://www.cnblogs.com/bitpeach/p/3770606.html）
[3] ROC曲線下面積的計算方法（http://wenku.baidu.com/view/3d2ac9202f60ddccda38a07a.html?re=view）
[4] 韓家煒，數據挖掘概念與技術，P243-P245。