W kontekście uczenia maszynowego i teorii wykrywania sygnałów krzywa ROC jest wykresem graficznym ilustrującym zdolność diagnostyczną systemu klasyfikatorów binarnych przy zmianie jego progu dyskryminacji. Krzywą ROC tworzy się poprzez wykreślenie prawdziwie dodatniego współczynnika (TPR) w stosunku do fałszywie dodatniego współczynnika (FPR) przy różnych ustawieniach progowych.
Krzywa ROC jest przydatna do oceny wydajności klasyfikatora binarnego poprzez pomiar jego zdolności do prawidłowego klasyfikowania instancji pozytywnych i negatywnych. Dobrze działający klasyfikator będzie miał krzywą ROC bliską lewego górnego rogu wykresu, co wskazuje na wysoki TPR i niski FPR. I odwrotnie, klasyfikator o słabych wynikach będzie miał krzywą ROC bliską linii ukośnej, co wskazuje na niski TPR i wysoki FPR.