【機器學習】爲何隨機分類時，AUC = 0.5？

關於ROC和AUC的介紹，能夠參考維基百科。spa 這裏僅談我的對隨機分類下ROC曲線的理解，即爲何隨機分類時，AUC = 0.5？blog 若理解有誤，懇請大佬指導↖(^ω^)↗ip   1、混淆矩陣：ci   2、ROC曲線：get 橫座標：FPR = b1 / ( b1 + b2 ) = 預測爲正，實際爲負 / 總負樣本數 = 負樣本預測錯誤數 / 總負樣本數io 縱座標：TPR = a1

>>阅读原文<<