一个示例 GEE 脚本，用于绘制二元分类的接收者操作特征 (ROC) 曲线、计算曲线下面积 (AUC) 并找到最接近完美分类的截止点。
要计算ROC曲线，首先需要计算分类器不同阈值下的真正率（TPR）和假正率（FPR）。TPR是正确分类的正例的比例，而FPR是错误分类的负例的比例。
一旦计算出不同阈值下的TPR和FPR，就可以通过将FPR绘制在x轴上，将TPR绘制在y轴上来绘制ROC曲线。ROC曲线将从图的左下角开始，结束于图的右上角。
一个好的分类器将具有接近图的左上角的ROC曲线。这意味着分类器能够正确分类大多数正例，而不会错误地分类太多负例。
计算接收者操作特征曲线（ROC曲线）的步骤如下：
1. 计算不同分类阈值下的真正例率（TPR）和假正例率（FPR）。
2. 将FPR绘制在x轴上，将TPR绘制在y轴上。
3. 用一条直线连接这些点。
TPR是分类器正确识别的正例比例，而FPR是分类器错误将负例识别为正例的比例。
ROC曲线显示了分类器在不同分类阈值下的性能。更好的分类器将具有更靠近绘图左上角的ROC曲线。
计算TPR和FPR可以使用以下公式：
TPR = TP / (TP + FN)
FPR = FP / (TN + FP)
其中：
TP是分类器正确识别的真正例数（正例被正确识别为正例的次数）
FN是分类器错误将正例识别为负例的次数（正例被错误识别为负例的次数）
FP是分类器错误将负例识别为正例的次数（负例被错误识别为正例的次数）
TN是分类器正确识别的真负例数（