文集里的下一篇是AUC，应该也是我看的第一篇了，重新看了之后，梳理了一些易忘的和以前没考虑过的，再拎出来写一下。
1.为什么AUC的最低值为0.5
根据文章链接出的回答：https://www.zhihu.com/question/39840928，从AUC的横纵轴出发解释（很赞）
横轴是FPRate，纵轴是TPRate，两者的含义分别是
那么AUC=0.5表示曲线y=x下的面积，也就是每一个样本TPRate恒等于FPRate，翻译一下就是不管是正样本还是负样本，预测为1的概率都是一样的，相当于一个随机分类器了。
2.我知道AUC表示的是选择一个正样本和负样本，正样本排序在负样本之前的概率，为什么呢？
这个问题的答案是来自我之前那篇https://www.jianshu.com/p/d8f71bc1ed6e，每一个正例的延长线的面积表示后面有多少负例/M*N，也就是拎出来这个正例排在多少负例之前，求和就是正例排在负例前的对数再除以正负例总对数，就是正例排在负例前的概率了。
3.AUC为什么适合衡量样本不均衡的情况
举个例子，如果一个例子里正例很少（大多数情况）仅1%，那么如果全部预测为负例，虽然accuracy是99%，但是TPRate和FPRate都是0（压根就没有预测出正例），所以只有(0,0)这个点，AUC就是0.5；
反过来如果一个数据集中正样本占99%，负样本占1%，那么就只有(1,1)这个点，还是要连接(0,0)的，所以也是0.5（但是没那么好理解）
4.能不能直接优化AUC
知乎回答里的第二个回答说可以，有的包里带了以AUC为优化目标的目标函数，这里在看LTR的时候可以注意看看。
