AUC和ROC曲线的前世今生

AUC数值即为ROC曲线下的面积。ROC曲线从0点开始上升越快，说明模型错分正样本的比例越小，模型对正样本识别的能力越强。在ROC曲线的基础上，抛开阈值的调节，ROC曲线下半部分的面积值就是AUC值。AUC值介于0到1之间，是一种概率值。本质上AUC是在模型预测的数据集中，比较正负样本，评估正样本分数排在负样本之上的能力，进而估计模型对正样本预测的可信程度。

由于AUC指标能较好地概括不平衡类别的样本集下分类器的性能，因此成为很多机器学习系统中的最终判定标准。

基本目录如下：

1. 什么是ROC曲线？

   1.1 ROC曲线的历史

   1.2 ROC曲线的定义

   1.3 ROC曲线的应用场景

2. 如何绘制ROC曲线？

   2.1 ROC曲线的绘制原理

   2.2 ROC曲线绘制的Python实现

什么是ROC曲线

1.1 ROC曲线的历史

自从读了吴军老师的《数学之美》，我就想明白了一件事情，如果想要讲明白一件事情，一定要把他的历史渊源都讲明白，这样我们才能对其理解透彻，而不是单纯学到会用就好～试想，有多少人在读这篇文章之前，会想到ROC曲线在军事上的运用呢？接下来，我就当一回搬运工，把ROC曲线的诞生渊源都捋一捋&#