auc 和loss_精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？

模型评估有时候要用precision和recall，有时候用AUC，不存在优缺点问题，只存在适用性问题。

模型评估为啥不用precision和recall？因为它支持不了我的决策啊。。 同样的问题，根据不同情况，我可以问100个: 为啥这个模型评估不用AUC？而要用logloss，因为它支持不了我的决策啊 为啥这个模型评估不用logloss，而要用ROI？因为它支持不了我的决策啊 为啥这个模型不用ROI logloss而只用recall，因为recall更支持我的决策啊

还有为啥还有PRC啊，F1，KS值啊，ROI，logloss值等一大堆指标？这些有啥用？这应该是很多新手都会疑惑的问题。也是我当年作为小白，看了一点书也会问的问题，后来看了大量案例和实践才慢慢有了体会的，一知半解的初学者，无法理解。。学校里没业务sense的教授，大多也解释不清楚。。

总之

题主搞清楚，先有决策需求，再有评估方案和指标的。。。而不是问，为啥不是所有模型的评估都用这套P&R的指标？这是挺奇葩的认知。。手里拿着锤子，见啥都是钉子，敲一敲么？

........

为了增强您对“决策需求”这个问题的理解，针对您的提问，先举个例子吧:

assume两个老哥AB，各做了一个欺诈识别模型pk，谁赢了就升职，out了就裁员，对于原始分布测试集，A测出来是precision80% recall 50%，B测出来两项各是70%和60%，那个模型更好呢？

<