ROC和AUC定义 ROC全称是“受试者工作特征”(Receiver Operating Characteristic)。ROC曲线的面积就是AUC(Area Under the Curve)。AUC用于衡量“二分类问题”机器学习算法性能(泛化能力) 计算ROC的关键概念 P(Positive):预测值为正例 N(Negative):预测值为反例 T(True):预测值与真实值相同 F(False):预测值与真实值相反 TP:被模型预测为正类的正样本 TN:被模型预测为负类的负样本 FP:被模型预测为正类的负样本 FN:被模型预测为负类的正样本