AUC的概率意义:
AUC是衡量二分类模型优劣的一种评价指标,表示预测的正例排在负例前面的概率。
计算方法:
- 计算ROC曲线下面的面积
- 计算模型将正样本排在负样本前面的概率。计算假设总共有(m+n)个样本,其中正样本m个,负样本n个,总共有m*n个样本对,计数,正样本预测为正样本的概率值大于负样本预测为正样本的概率值记为1,累加计数,然后除以(m*n)就是AUC的值。
- 计算公式
为了求的组合中正样本的score值大于负样本,如果所有的正样本score值都是大于负样本的,那么第一位与任意的进行组合score值都要大,我们取它的rank值为n,但是n-1中有M-1是正样例和正样例的组合这种是不在统计范围内的(为计算方便我们取n组,相应的不符合的有M个),所以要减掉,那么同理排在第二位的n-1,会有M-1个是不满足的,依次类推,故得到后面的公式M*(M+1)/2,我们可以验证在正样本score都大于负样本的假设下,AUC的值为1
怎么直观理解ROC AUC的概率统计意义?-SofaSofa