ROC与AUC

一、什么是AUC

AUC （Area Under curve）= ROC曲线下的面积
ROC曲线 模型对测试样本产生一个实值或概率预测。将样本进行排序“最可能”是正样本的排在最前面，最不可能是正例的排在最后面。按此顺序逐个把样本作为正例进行预测。横坐标是假正率，纵坐标是真正率。

二、AUC的意义

参考文献：https://www.zhihu.com/question/39840928
AUC就是从所有正样本中随机选取一个样本，从所有的负样本中随机选取一个样本。
把正样本预测为1的概率为$p_1$;把负样本预测为1的概率为$p_0$。
$p_1>p_0$的概率就是AUC。AUC考虑的是样本预测的排序质量。
标签为1的样本都排在了标签为0的样本前面，那么AUC就是1。

可参考的文献
https://tracholar.github.io/machine-learning/2018/01/26/auc.html

三、查准率、查全率、F1 值、ROC、AUC 各自的优缺点是什么？

https://www.zhihu.com/question/30643044