机器学习AUC指标的理解 AUC在机器学习领域中是一种模型评估指标,是指模型ROC曲线下的面积。分类器效果月AUC值成正比。即当分类器的分类效果越好的时候,ROC曲线下面积越大,AUC越大。 其中,ROC是混淆矩阵中,以FPR为横坐标,TPR为纵坐标形成的曲线。 从下面三张图看到,分类器效果越好(正负样本的分布的均值离得越远),AUC值越大(ROC曲线下的面积) 参考文章:模型评估指标AUC(area under the curve)