I sammenhæng med maskinlæring og signaldetektionsteori er ROC-kurven et grafisk plot, der illustrerer den diagnostiske evne af et binært klassificeringssystem, da dets diskriminationstærskel er varieret. ROC-kurven oprettes ved at plotte den sande positive rate (TPR) mod den falske positive rate (FPR) ved forskellige tærskelindstillinger.
ROC-kurven er nyttig til at evaluere ydeevnen af en binær klassifikator ved at måle dens evne til korrekt at klassificere positive og negative forekomster. En velfungerende klassifikator vil have en ROC-kurve, der er tæt på det øverste venstre hjørne af plottet, hvilket indikerer en høj TPR og en lav FPR. Omvendt vil en dårligt præsterende klassifikator have en ROC-kurve, der er tæt på den diagonale linje, hvilket indikerer en lav TPR og en høj FPR.