將測試樣本進行排序，“最可能”是正例的排在最前面，“最不可能”是正例的排在最后面。
分類過程就相當於在這個排序中以某個“截斷點”（見圖中閾值）將樣本分為兩部分，前一部分判作正例，后一部分判作反例。
我們根據學習器的預測結果對樣例進行排序，按此順序把逐個樣本作為正例進行預測，每次計算出FPR， TPR，分別為橫縱坐標作圖，可得“ROC曲線”。
TPR 與 FPR
P表示“正”的，為預測為“好的”，即要從總體中挑出來的。
真正例率 TPR = TP / (TP + FN)
表示，預測為正例且真實情況為正例的，占所有真實情況中正例的比率。
假正例率 FPR = FP / （TN + FP）
表示的，預測為正例但真實情況為反例的，占所有真實情況中反例的比率。
TPR越大，則表示挑出的越有可能（是正確的）；FPR越大，則表示越不可能（在挑選過程中，再挑新的出來，即再挑認為是正確的出來，越有可能挑的是錯誤的）。
TPR 與 FPR 呈反相關，隨着采樣的繼續（見上文：“按此順序把逐個樣本作為正例進行預測，每次計算出FPR， TPR”），越不可能是正例的被采樣出來，TPR降低，FPR升高。