一 背景
首先舉個例子：
正樣本（90） 負(fù)樣本（10）
模型1預(yù)測 正（90） 正（10）
模型2預(yù)測 正（70）負(fù)（20） 正（5）負(fù)（5）
結(jié)論：
模型1準(zhǔn)確率90%；
模型2 準(zhǔn)確率75%
考慮對正負(fù)樣本對預(yù)測能力，顯然模型2要比模型1好，但對于這種正負(fù)樣本分布不平衡對數(shù)據(jù)，準(zhǔn)確率不能衡量分類器對好壞了，所以需要指標(biāo)auc解決傾斜樣本的評價問題。
二分類混淆矩陣
預(yù)測\實(shí)際 1 0
1 TP FP
0 FN TN
TPR＝TP／P＝TP／TP＋FN 直觀1中猜對多少
FPR＝FP／N＝FP／FP＋TN 直觀0中猜錯多少
Auc對橫縱坐標(biāo)分別為FPR和TPR，相對于y=x這條直線靠近左上角對分類器性能更好，所以模型2更優(yōu)。
TPR FPR
模型1 90/90＝1 10/10=1
