In de context van machine learning en signaaldetectietheorie is de ROC-curve een grafische grafiek die het diagnostische vermogen van een binair classificatiesysteem illustreert naarmate de discriminatiedrempel wordt gevarieerd. De ROC-curve wordt gecreëerd door het werkelijk positieve percentage (TPR) uit te zetten tegen het fout-positieve percentage (FPR) bij verschillende drempelinstellingen.
De ROC-curve is nuttig voor het evalueren van de prestaties van een binaire classificator door het vermogen ervan te meten om positieve en negatieve instanties correct te classificeren. Een goed presterende classificator heeft een ROC-curve die zich dicht bij de linkerbovenhoek van de grafiek bevindt, wat een hoge TPR en een lage FPR aangeeft. Omgekeerd zal een slecht presterende classificator een ROC-curve hebben die dicht bij de diagonale lijn ligt, wat wijst op een lage TPR en een hoge FPR.