（1）ROC曲线的x轴表示的是假阳性率（False Positive Rate, FPR）。假阳性率可以通过混淆矩阵的以下计算公式得到：

\[ \text{FPR} = \frac{\text{FP}}{\text{FP} + \text{TN}} \]

其中：
- FP（False Positive）表示假阳性，即将负类错误地预测为正类的数量。
- TN（True Negative）表示真阴性，即将负类正确地预测为负类的数量。

在混淆矩阵中，假阳性（FP）通常标记为D，真阴性（TN）通常标记为C。

因此，假阳性率（FPR）的计算公式为：

\[ \text{FPR} = \frac{D}{D + C} \]

根据这个公式，正确答案是：A: D/(C+D)。

专业分析：
ROC曲线（Receiver Operating Characteristic Curve）是用来评估分类模型性能的图形工具。它通过不同的阈值来绘制真阳性率（TPR）和假阳性率（FPR）之间的关系。x轴表示假阳性率（FPR），y轴表示真阳性率（TPR）。通过分析ROC曲线，可以评估模型在不同阈值下的表现，从而选择最佳的阈值。假阳性率（FPR）是模型将负类误判为正类的比例，因此它是通过假阳性（FP）和真阴性（TN）的关系来计算的。