如何理解機器學習中的AUC和ROC

首先，在試圖弄懂AUC和ROC曲線之前，我們需要理解混淆矩陣的定義。 混淆矩陣中有着Positive、Negative、True、False的概念，其意義如下： 稱預測類別爲1的爲Positive（陽性），預測類別爲0的爲Negative（陰性）。 *預測正確的爲True（真），預測錯誤的爲False（僞）。對上述概念進行組合，就產生了如下的混淆矩陣： 然後，由此引出True Positive R

>>阅读原文<<