如何看ROC，LIFT，PR，KS曲线

1.ROC曲线

ROC(receiver operating characteristic)接受者操作特征，其显示的是分类器的真正率和假正率之间的关系

 

ROC曲线有助于比较不同分类器的相对性能，当FPR小于0.36时M1浩宇M2，而大于0.36是M2较好。

ROC曲线下面的面积为AUC(area under curve)，其面积越大则分类的性能越好，理想的分类器auc=1。

一般AUC>0.8分类器还可以。 图来自https://blog.csdn.net/taoyanqi8932/article/details/54409314/

2.P-R曲线

PR(precision recall)曲线表现的是precision和recall之间的关系

当PR曲线越靠近右上方时，表明模型性能越好，与ROC曲线类似，在对不同模型进行比较时，若一个模型的PR曲线被另一个模型的PR曲线完全包住则说明后者的性能优于前者．如上图中A代表的模型要优于C代表的模型，若模型的PR曲线发生了交叉，则无法直接判断哪个模型更好．