在理解AUC之前，首先理解一下以下两个指标:
TPRate的意义是所有真实类别为1的样本中，预测类别为1的比例。
FPRate的意义是所有真实类别为0的样本中，预测类别为1的比例。
以FRRate为横坐标,TPRate为纵坐标,这就构成了ROC曲线，AUC指的就是ROC曲线的面积
以上的AUC=0.5(TPRate>FPRate),这样的分类器是最差的,这样的分类器被认为是无效的,无论输入样本是正是负,判断为正的概率都是0.5.(如果TPRate<FPRate,将分类器的输出反过来就可以了).
我们希望的TPRate越大越好,FPRate越小越好,最起码TPRate>FPRate,才算是work的分类器.
最理想的情况AUC=0.1
就是一条平行X轴的直线.
相关文章：