机器学习常用评估指标AUC简析——看懂AUC一文就够了

什么是AUC？

AUC的定义是ROC曲线下的面积，实际意义为模型打分时将正例分数排在反例前面的概率。ROC曲线一般都会处于0.5-1之间，所以auc一般是不会低于0.5的，0.5为随机预测的auc。

什么是ROC曲线？

ROC中文名为：受试者操作特征（receiver operating characteristic curve）,源于二战雷达信号分析技术。

ROC曲线绘制：分别计算模型结果的FPR与TPR，然后将TPR作为纵坐标，TPR作为横坐标作图，便可得到ROC曲线，ROC曲线上的每一个点对应一个阈值。。

 

 

 

TPR，FPR是什么？

这一块知识非常绕，很容易混淆。

TPR——真正例率：TP/（TP+FN），指的是模型预测的正确正例占所有正例的比例，等同于召回率，可以理解为正例的灵敏度。TPR越大，则预测的正例中正例占比越高。

FPR——假负例率：FN/(TN+FP)，指的是模型预测的错误反例占所有预测反例的比例，等同于反例预测的错误率，也可以理解为模型对负例的特异度。FPR也可以用公式（1 - TNR）来表示。FPR越大，则预测的正例中反例越多。

总结：需要FPR越小，TPR越高，则模型越好，所以通常可用ROC曲线最靠近左上角的点作