机器学习性能指标（ROC曲线、AUC值）

参考：

https://blog.csdn.net/zdy0_2004/article/details/44948511

https://blog.csdn.net/jasonding1354/article/details/50562543

1.为什么使用Roc和Auc评价分类器

当测试集中的正负样本的分布变换的时候，ROC曲线能够保持不变。在实际的数据集中经常会出现样本类不平衡，即正负样本比例差距较大，而且测试数据中的正负样本也可能随着时间变化