Krzywa ROC – Pole pod krzywą ROC informuje o jakości klasyfikatora. Pole pod krzywą ROC wynoszące 0,5 informuje o tym, że zbudowany model klasyfikacyjny wykonują swoją pracę nie lepiej i nie gorzej niż rzut monetą. Im pole bliżej 1 tym model jest trafniejszy w przewidywaniu kategorii klasyfikacji obserwacji. Krzywa ROC jest praktyczna i dzięki niej można porównywać różne modele klasyfikacyjne np. model regresji logistycznej z modelem sieci neuronowej i drzewa decyzyjnego. Standardowo dla krzywej ROC są wyliczane statystyki błędu standardowego oraz dostępne jest ustawienie przedziałów ufności. Analizy krzywej ROC często używa się w biostatyce / statystyce medycznej / analizie ryzyka kredytowego by porównywać modele klasyfikacyjne.