评价指标-AUC

TP TN FP FN

精确率（Precision）召回率（Recall）

链接: 准确率、精确率、召回率、F1值、ROC/AUC整理笔记.

AUC

真阳性率（TPR, True positive rate）
TP/(TP+FN),代表分类器预测的正类中实际正实例占所有正实例的比例。
假阳性概率（FPR, False positive rate）
FP/(FP+TN)，代表分类器预测的正类中实际负实例占所有负实例的比例。
ROC曲线其实就是以FPR为横坐标，TPR为纵坐标绘制出来的曲线。

语言文字形容：
ROC曲线的绘制步骤如下：
1
假设已经得出一系列样本被划分为正类的概率Score值，按照大小排序。
2
从高到低，依次将“Score”值作为阈值threshold，当测试样本属于正样本的概率大于或等于这个threshold时，我们认为它为正样本，否则为负样本。举例来说，对于某个样本，其“Score”值为0.6，那么“Score”值大于等于0.6的样本都被认为是正样本，而其他样本则都认为是负样本。
3
每次选取一个不同的threshold，得到一组FPR和TPR，以FPR值为横坐标和TPR值为纵坐标，即ROC曲线上的一点。
4
根据3中的每个坐标点，画图。