I samband med maskininlärning och signaldetekteringsteori är ROC-kurvan en grafisk kurva som illustrerar den diagnostiska förmågan hos ett binärt klassificeringssystem när dess diskrimineringströskel varieras. ROC-kurvan skapas genom att plotta den sanna positiva frekvensen (TPR) mot den falska positiva frekvensen (FPR) vid olika tröskelinställningar.
ROC-kurvan är användbar för att utvärdera prestandan hos en binär klassificerare genom att mäta dess förmåga att korrekt klassificera positiva och negativa instanser. En välpresterande klassificerare kommer att ha en ROC-kurva som ligger nära det övre vänstra hörnet av plottet, vilket indikerar en hög TPR och en låg FPR. Omvänt kommer en klassificerare som fungerar dåligt att ha en ROC-kurva som ligger nära den diagonala linjen, vilket indikerar en låg TPR och en hög FPR.