我是机器学习和统计学的新手，如果我说什么荒谬的话，请原谅我。

“测试集”是指我们评估最终假设然后报告最终结果（例如测试误差）的集合，它是对相应样本外结果（例如样本外误差）的无偏估计。

“验证集”是指我们用来进行模型选择或参数调整以选择最终假设的集合。根据定义，在验证集上找到的最佳结果是有偏差的（如果您只评估验证集上的一个假设，那么验证集就是测试集）。

对于上面两个冗长的段落，我很抱歉，因为我想确定我们在谈论同一件事。现在主要问题来了：

为什么要在测试集上计算 ROC 曲线？

在我阅读的许多其他资源中，他们在没有明确定义“测试集”的情况下计算了训练集或测试集的 ROC 曲线，所以如果我读错了，请原谅我。但是，我仍然很好奇，在我上面定义的测试集的情况下，计算 ROC 曲线的意义何在？不是在训练集（可能严重偏向乐观）或验证集（可能不太乐观）上选择阈值吗？如果我们对其进行阈值选择，测试集是否会成为验证集？

对我来说听起来很合理的过程是我们在验证集上计算 ROC 曲线，以根据 ROC 曲线进行模型选择/参数调整和阈值选择。