auc到多少有意义_AUC及其理解

在互联网精准广告中，可以从多个角度来评估一个CTR模型的性能，但通常以AUC作为模型评估的最直接指标，直观上讲，AUC是从排序能力的角度来对模型进行评估。下面将详细解释AUC的含义及其计算方式，

2 ROC含义及其说明

2.1 ROC曲线理解

ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器的优劣，分类器算法，常用的评价指标主要有precision，recall，F-score；

一个典型的ROC曲线如下图所示：

ROC曲线的横坐标为false positive rate(FPR)，纵坐标为true positive rate(TPR)，下面详细说明FPR和TPR是如何定义的：

TP：预测是正的样本，实际上也是正的样本

TP：预测是正的样本，实际上是负样本

FN：预测是为负样本，实际上是正样本

TN：预测是为负样本，实际上也是负样本

正确率：测试出来准确的正样本/所有的正样本：TP/(TP + FP)

召回率：测试出来正确的正样本/所有的正样本：TP/(FP + FN)

TPR：true positive rate，TPR = TP / (TP + FN)，表示预测为正的正确结果TP在所有正样本T中的占比，显然TPR越大，模型的预估能力更好；