lift指标

在机器学习营销当中，lift是一个常见的指标，用户考量一个模型的分类和预测结果相比于正常情形的（随机选择）加强结果。通常我们要求模型的结果要高于随机选择的结果。举个例子，随机选择的准确率是5%。模型选择的准确率是20%。那么这个模型的lift为4倍。即20%/5%。
通常，建模人员会把流行度按百分位分桶。并且对百分比计算lift。然后可以根据每个百分位分桶lift的结果，来预估回报率，以此来选择合适的分桶。
Antecedent Consequent
A 0
A 0
A 1
A 0
B 1
B 0
B 1
Rule1 B=1
随机选择1的正确率是3/7。使用规则选择1的正确率2/3。模型的lift为（2/3）/（3/7）=1.56
随机负样本的增多，lift会有所提高，但lift的提高会有限制，模型固定时最大的lift为tp/(tp+fn)*(tn+fp)/fp。