I sammenheng med maskinlæring og signaldeteksjonsteori er ROC-kurven et grafisk plott som illustrerer den diagnostiske evnen til et binært klassifiseringssystem ettersom dets diskrimineringsterskel er variert. ROC-kurven lages ved å plotte den sanne positive raten (TPR) mot den falske positive raten (FPR) ved forskjellige terskelinnstillinger.
ROC-kurven er nyttig for å evaluere ytelsen til en binær klassifikator ved å måle dens evne til å klassifisere positive og negative forekomster korrekt. En klassifiserer med god ytelse vil ha en ROC-kurve som er nær det øvre venstre hjørnet av plottet, noe som indikerer en høy TPR og en lav FPR. Motsatt vil en klassifiserer med dårlig ytelse ha en ROC-kurve som er nær den diagonale linjen, noe som indikerer en lav TPR og en høy FPR.