关于 auc 是什么、怎么算,已经有很多博文在将了。
如果有时间再写。
今天写一下 auc 统计学意义的证明,也就是:auc 等价于随机抽取一个正样本和一个负样本,正样本排在负样本之前的概率。
The AUC has an important statistical property: the AUC of a classifier is equivalent to the probability that
the classifier will rank a randomly chosen positive instance
higher than a randomly chosen negative instance.
假设 X X X 是样本空间, T ( t ) T(t) T(t) 是 T P R TPR TPR 关于阈值 t t t 的函数,那么:
T ( t ) = P [ p ( x ) > t ∣ l a b e l ( x ) = 1 ] T(t) = P[p(x) > t | label(x) = 1] T(t)=P[p(x)>t∣label(x)=1]
F ( t ) F(t) F(t) 是 F P R FPR FPR 关于阈值 t t t 的函数,那么:
F ( t ) = P [ p ( x ) > t ∣ l a b e l ( x ) = 0 ] F(t) = P[p(x) > t | label(x) = 0]\\ F(t)=P[p(x)>t∣label(x)=0]
F ( t ) F(t) F(t) 的概率密度函数:
f ( t ) = ∂ F ( t ) ∂ t = P [ p ( x ) = t ∣ l a b e l ( x ) = 0 ] f(t) = \frac{\partial F(t)}{\partial t} = P[p(x) = t | label(x) = 0] f(t)=