ROC理解与AUC计算

说到ROC曲线，我们首先想到的是下面这四个值

• TP     (真正)     实际正
• FP     (假正)     实际负
• TN     (真负)     实际负
• FN     (假负)     实际正

以及下面两个比率

• TPR(真正率) = TP➗(TP+FN) = 被预测正确的正例➗所有实际正例
• FPR(假正率) = FP➗(FP+TN) = 被预测错误的负例➗所有实际负例

ROC曲线就是根据通过取不同的阈值，得到不同的（FPR, TPR）点画出来的曲线。

FPR为x轴，TPR为y轴

可以想象如果阈值为0，那么>=0的都认为是正例，所有的正例都被预测正确则FPR=1， 所有的负例都被预测错误TPR=1 最右侧点

如果阈值为1，那么所有的正例都认为是负例则FPR=0，没有负例被预测错误则TPR=0 最左侧点

AUC就是这条曲线下的面积，面积越大说明这个分类器的效果越好。

在推荐或者搜索里面一般是要评价最后这个结果的排序能力，那么我们也可以通过排序的好坏来计算AUC。AUC还有一个有趣的性质就是测试任意给定一个正样本和负样本，这个正样本有多大的概率大于负样本，下面解释一下这个公式。

怎么理解上面的公式呢，设正样本数量为M，负样本数量为N，那么正负两两组合就是M*N种，AUC=这些组合中正样本大于负样本的数量除以M*N。

计算方法如下： 按score从大到小倒序排序，score最大的rank为n(n=M+N)以此类推。score最大的正例rank为i的话，说明和该正例组合的样本一共有i种，还要减掉M个和正样本组合的情况， 排第二的正例要减去 M-1个正样本，以此类推，最后我们要减去的就是一个等比数列的和。这样就得到了上面的公式。就很容易写代码实现了。

如下计算AUC的scala代码：

<pre name="code" class="java">def abs(n: Double): Double = {
    n match {
        case i if i < 0 => -n
        case _ => n
    }
}

val datas = Array((0.7, 1.0), (0.8, 0.0), (0.9, 1.0), (0.5, 0.0))
val predicts = datas.sortBy(_._1)

val M = predicts.filter{case (score, label) => abs(label - 1.0) <= 1e-6}.length.toDouble
val N = predicts.filter{case (score, label) => abs(label - 0.0) <= 1e-6}.length.toDouble
val sumRank = predicts.zipWithIndex.map {
    case ((score, label), index) => (label, index+1)
}.filter {
    case (label, index) => abs(label - 1.0) <= 1e-6
}.map {
    case (label, index) => index
}.sum.toDouble

val auc = M*N match {
    case i if (i > 0) =>  (sumRank - M*(1+M)/2)/(M*N)
    case _ => 0.0
}
println(auc)

输出结果：0.75