什么是 ROC AUC

本文结构：

1. 什么是 ROC？
2. 怎么解读 ROC 曲线？
3. 如何画 ROC 曲线？
4. 代码？
5. 什么是 AUC？
6. 代码？

---

ROC 曲线和 AUC 常被用来评价一个二值分类器的优劣。

先来看一下混淆矩阵中的各个元素，在后面会用到：

---

1. ROC ：

纵轴为 TPR 真正例率，预测为正且实际为正的样本占所有正例样本的比例。
横轴为 FPR 假正例率，预测为正但实际为负的样本占所有负例样本的比例。

对角线对应的是 “随机猜想”

当一个学习器的 ROC 曲线被另一个学习器的包住，那么后者性能优于前者。
有交叉时，需要用 AUC 进行比较。