AUC,GAUC,AUC的优点

https://blog.csdn.net/zhaohang_1/article/details/92794489

https://blog.csdn.net/TheChosen1LBJ/article/details/87381811

https://www.zhihu.com/question/39840928

• TPRate的意义是所有真实类别为1的样本中，预测类别为1的比例。
• FPRate的意义是所有真是类别为0的样本中，预测类别为1的比例。

https://blog.csdn.net/weixin_37683979/article/details/87882943

https://www.cnblogs.com/peizhe123/p/5081559.html

 

https://www.cnblogs.com/massquantity/p/8592091.html

https://www.cnblogs.com/massquantity/p/8592091.html

注意TPR用到的TP和FN同属P列，FPR用到的FP和TN同属N列，所以即使P或N的整体数量发生了改变，也不会影响到另一列。也就是说，即使正例与负例的比例发生了很大变化，ROC曲线也不会产生大的变化，而像Precision使用的TP和FP就分属两列，则易受类别分布改变的影响。