機器學習中的ROC曲線與AUC面積

先看這張圖，圖中的虛線是閾值，大於這個閾值的將會被預測爲正例，小於這個閾值的將會被預測爲負例。當閾值從右往左滑動時，真正率會上升，假正率也會上升，當閾值爲0時，兩個都爲1 .當閾值爲1時，兩個都爲0.。我們的目的是讓這兩個峯值的橫座標儘可能遠離，即沒有交疊的部分。即當某個閾值的時候，真正率爲1，假正率爲0.即這個曲線越接近左上角，分類效果越好。這個曲線叫ROC曲線，auc即曲線下面的面積。面積越接

>>阅读原文<<