机器学习基础：AUC与ROC

AUC是什么？

AUC是ROC曲线下与坐标轴围成的面积。

ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。

AUC越接近1，检测方法真实性越高；等于0.5时，则真实性最低，无应用价值。因为对于0-1分类问题，靠猜 猜对的概率是0.5，如果AUC小于等于0.5则说明准确性和靠猜差不多。

  

---

ROC是什么？

ROC曲线是评估分类器分类能力的曲线；ROC曲线是由FPR、TPR的值决定的；

x轴是FPR，y轴是TPR；

FPR（x轴）：假阳率，越小越好；预测错了；实际是反例，但预测是正例，预测结果是错的；

TPR（y轴）：真阳率，越大越好；实际是正例，预测也是正例，预测结果是对的；

x轴值越小，y轴值越大，说明分类器的分类能力越好。所以ROC曲线越接近y轴越好，分类器越准确。

 

补充：

如果是以AUC为评分标准的话，结果要以概率值来表示，需要用predict_proba()生成概率值；而如果用predict()，则值计算出来的结果如果是0，1，那得分会低很多。