模型區分度衡量指標-KS值

1.KS值--學習器將正例和反例分開的能力，肯定最好的「截斷點」

KS曲線和ROC曲線都用到了TPR，FPR。KS曲線是把TPR和FPR都做爲縱座標，而樣本數做爲橫座標。可是AUC只評價了模型的總體訓練效果，並無指出如何劃分類別讓預估的效果達到最好。
不一樣之處在於，ks取的是TPR和FPR差值的最大值。
僞陽性率（FPR） ：斷定爲正例卻不是真正例的比率
真陽性率（TPR） ：斷定爲正例也是真正例的比率
僞陰性率（FNR） ：斷定爲負例卻不是真負例的比率
真陰性率（TNR） ：斷定爲負例也是真負例的比率

2.畫圖注意

令橫軸爲閾值，縱軸爲TPR和TPR，值域均爲[0, 1]。能夠這樣直觀理解，隨着橫座標從0到1變化，TPR越快提高，模型效果越好；反之，FPR越快提高，模型效果就越差。 ks值，正是圖中的最大差值，此時的橫軸取值，即是最佳閾值。 

3.做圖步驟

1. 根據學習器的預測結果（注意，是正例的機率值，非0/1變量）對樣本進行排序（從大到小）-----這就是截斷點依次選取的順序
2. 按順序選取截斷點，並計算TPR和FPR ---也能夠只選取n個截斷點，分別在1/n，2/n，3/n等位置
3. 橫軸爲樣本的佔比百分比（最大100%），縱軸分別爲TPR和FPR，能夠獲得KS曲線
4. TPR和FPR曲線分隔最開的位置就是最好的」截斷點「，最大間隔距離就是KS值，一般>0.2便可認爲模型有比較好偶的預測準確性