AUC 是一个模型评价指标：只能用于二分类模型的评价。AUC的计算同时考虑了正比例和负比例的，在样本不均衡的情况下，依然能够对分类器做出合理的评价。
分类器对两个随时样本进行预测，把1样本预测为1的概率为P1，把0样本预测为1的概率为p0,p1>p0 的概率就等于AUC。所以AUC反应分类器样本排序能力。
图片.png
ROC曲线和AUC面积
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 一、 分类器评估指标：准确率、查准率和查全率 在介绍ROC曲线之前，很有必要介绍一下准确率、查准率（精确率）和查全...
- 同见博客：http://zhwhong.cn/2017/04/14/ROC-AUC-Precision-Recal...
- 【机器学习笔记】：一文让你彻底记住什么是ROC/AUC（看不懂你来找我） https://segmentfault...
