1 ROC

首先介紹 ROC。ROC 分析是從醫(yī)療分析領(lǐng)域引入了一種新的分類模型 performance 評判方法。

ROC的全名叫做Receiver Operating Characteristic，其主要分析工具是一個畫在二維平面上的曲線——ROC curve。平面的橫坐標(biāo)是false positive rate(FPR)，縱坐標(biāo)是true positive rate(TPR)。對某個分類器而言，我們可以根據(jù)其在測試樣本上的表現(xiàn)得到一個TPR和FPR點(diǎn)對。這樣，此分類器就可以映射成ROC平面上的一個點(diǎn)。調(diào)整這個分類器分類時候使用的閾值，我們就可以得到一個經(jīng)過(0, 0)，(1, 1)的曲線，這就是此分類器的ROC曲線。一般情況下，這個曲線都應(yīng)該處于(0, 0)和(1, 1)連線的上方。因?yàn)?0, 0)和(1, 1)連線形成的ROC曲線實(shí)際上代表的是一個隨機(jī)分類器。雖然，用ROC curve來表示分類器的performance很直觀好用。可是，人們總是希望能有一個數(shù)值來標(biāo)志分類器的好壞。于是Area Under roc Curve(AUC)就出現(xiàn)了。

2 AUC

AUC是一種用來度量分類模型好壞的一個標(biāo)準(zhǔn)。顧名思義，AUC的值就是處于ROC curve下方的那部分面積的大小。通常，AUC的值介于0.5到1.0之間，較大的AUC代表了較好的performance。

AUC的計(jì)算方法總結(jié)：

AUC的值就是計(jì)算出ROC曲線下面的面積

審核編輯：湯梓紅