【機器學習】AUC原理

ROC曲線的來源： 在不同任務下，用來評價一個二值學習器泛化性能的好壞。 TPRate的意義是所有真實類別爲1的樣本中，預測類別爲1的比例。 FPRate的意義是所有真是類別爲0的樣本中，預測類別爲1的比例。  ROC曲線越接近左上角，該分類器的性能越好。 爲什麼使用ROC曲線 爲什麼還要使用ROC和AUC呢？已經有那麼多的衡量指標啦！因爲ROC曲線有個很好的特性：當測試集中的正負樣本的分佈變化的

>>阅读原文<<