1.AUC的含义
AUC是ROC曲线下的面积,它是机器学习用于二分类模型的评价指标,AUC反应的是模型对样本的排序能力。它的统计意义是:随机抽出一对样本(一个正样本,一个负样本),然后用训练得到的分类器来对这两个样本进行预测,预测得到正样本的概率大于负样本概率的概率。
ROC曲线的横坐标为false postive rate(fpr),纵坐标为true positive rate(tpr),
false postive rate的计算法公式:
其中,fp表示false positive,即负例被分成正例的个数,tn表示true negative, 即负例被分成负例的个数,false positive rate 表示负例被分错的比例。
true postive rate 的计算公式是: