AUC值越大_分类器指标ROC曲线和AUC值

一直在忙老师布置的事情，好久都没有更新了。最近在做一个用神经网络搭建模型的分类任务。识别的准确率还不错，当把代码交给师兄的时候，他叫我把分类模型的指标ROC和AUC弄出来，以前学的时候还没有听说过这个知识点。今天把这个整理一下写出来，加深记忆。

正文

对于分类器，或者说分类算法，评价指标主要有precision，recall，F-score1，这几个值可以参考这篇文章：

忆臻：谈谈召回率（R值），准确率（P值）及F值​zhuanlan.zhihu.com

以及即将要讨论的ROC和AUC。本文通过对这些指标的原理做一个简单的介绍，然后用python分别实现二分类的ROC曲线。

一 基本概念：

ROC和AUC是专门针对二分类任务，对于多分类任务并不适用。对于一个二分离预测问题，其结果要么是真（p），otherwise 是假（n）。在分类器的输出有4种