如何直观理解
AUC
评价指标？
导语最近一直在思考如何直观理解
AUC
，
查了维基百科
的以及网上的讲解描述，感觉仍然很难把这个概念表述得通
俗易懂，直到昨天周会后拿笔在纸上画了画，感觉似乎找到
了一种比较有意思的理解方法，下面就请各位看官容我慢慢
道来。
首先简单介绍一下什么是
AUC
。
根据维基百科的描述，
AUC
(
Area under the Curve of ROC
)是
ROC
曲线下方的面
积，是判断二分类预测模型优劣的标准。
ROC
(
receiver
operating characteristic curve
)接收者操作特征曲线，是由二
战中的电子工程师和雷达工程师发明用来侦测战场上敌军
载具(飞机、船舰)的指标，属于信号检测理论。
ROC
曲线
的横坐标是伪阳性率(也叫假正类率，
False Positive Rate
)
，
纵坐标是真阳性率(真正类率，
True Positive Rate
)
，相应的
还有真阴性率(真负类率，
True Negative Rate
)和伪阴性率
(假负类率，
False Negative Rate
)
。这四类的计算方法如下：
伪阳性率(
FPR
)
判定为正例却不是真正例的概率真阳性率(
TPR
)
判定为正例也是真正例的概率伪阴性率(
FNR
)
判定为负例却不是真负例的概率真阴性率(
TNR
)
判定为负例也是真负例的概率
x
轴与
y
轴的值域都是
[0, 1]
，
随着判定正例的阈值不断增加，我们可以得到一组
(x, y)
的
扫一扫
1526
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
