简单易懂的ROC曲线和AUC面积

简单易懂的ROC曲线和AUC面积

前言

咱们在前面的学习中，对于模型的好坏，我们使用最多的是用精准度来衡量。这对于数据样本类别个数相对均匀来讲，是很好的衡量方法。但是对于数据样本类别极度失衡的情况，比如正样本有1000个，负样本只有10个，使用模型精准度来作为衡量标准就不合适了。接下来，咱们介绍一种新的衡量模型好坏的方法–ROC曲线。

什么是ROC曲线和AUC面积

1. ROC曲线

ROC，全拼为Receiver Operating Characteristic Curve，意思为受试者工作特征曲线。字面意思我们可能不太好理解，没关系，咱们先看去了解一下下面这个表格：

然后我们基于这个表，有可以得出以下两个指标：

-TPR:真阳性率（true posotive rate），也称灵敏度或正确率，用来反应发现病人的能力。

-FPR：假阳性率(false positive rate),也称为误诊率，解释为实际无病，但是被判定为有病的百分比

下面举个例子来说明一下。假设我们训练了一个识别苹果的模型，共有5个待测试数据集，其中3个是苹果分别是a1，a2，a3；2个是橘子，o1,o2。

将数据集输入到模型中，输出结果为 a1、a2、o1 为苹果，a3、o2不是苹果。

那么，我们此时可以先把表格填写完整：

这样我们就可以得出其真阳性率和假阳性率。

TPR = 2/（2+1）=0.6667

FPR = 1/（1+1）=0.5

所以真阳性率为0.6667，假阳性率为0.5.

从公式上来看，对于模型的期待，我们肯定希望真阳性率越来越高，假阳性率越来越低。

基于此呢，我们引出ROC曲线。

ROC曲线 曾经被用作二战时期的雷达监测，现在多被用在医学诊断和模型评估。

在ROC曲线中，真阳性率TPR 作为坐标轴的Y轴，也就是纵轴。假阳性率作为坐标轴的X轴，也就是横轴。

我们看下面这个图：

由于我们希望真阳性率越大越好，假阳性率越小越好，所以我们期待蓝色曲线靠近左上角，这样能够体现我们模型比较优良。

在图像中，我们有两个初始点，（0，0），（0，1）。

（0，0）表示，当TP=0时，即在所有真实确诊病人中，没有一个被检测出来；当FP=0时，即任何一个没有患病的人都没有被检测出来患病，也就是没有出现误诊。

（1，1）表示，TP=TP+FN，即FN为0，也就表示所有真实确诊的病人，都被检测出来了；FP = FP+TN,即TN为0，表示所有没有患病的人，都被检测出有病，即误诊率为100%。

2. 如何画ROC曲线

首先我们看再看一眼公式：