理解ROC与AUC

基础知识

学习的ROC和AUC介绍以及如何计算AUC这篇博客，讲的很清晰，推荐给大家。

个人理解

1. precision recall F1适用于预测结果是确定的情况，auc适用于预测结果是有概率的；
2. 要画roc，首先得把 将所有样本预测为正例的概率值 排序，依次从小到大选取概率值作为正例阈值，然后计算FPR、TPR作为横纵坐标描点，进而将点连接起来画出roc曲线；
3. 之所以要画roc或者说需要roc，是因为概率阈值取的不同会得到很多组TP和FP，所以auc是把很多组 [tpr fpr] 综合起来用一个指标评价分类效果，而f1只是综合一组pr；
4. 测试集需要既有正例也有反例，否则auc为零；
5. TPR的分子是预测为正例的样本中预测正确的个数，可以理解为预测为正例的样本中预测正确的比例，FPR的分子为预测为正例的样本中预测错误的个数，可以理解为预测为正例的样本中预测错误的比例；所以TPR越大FPR越小越好，进而是auc越大越好，可以结合下图理解。