面积曲线AUC（area under curve）

向右看齐 2023-09-28 18:04 74阅读 0赞

[原文链接][Link 1]

## 1 ROC ##

首先介绍 ROC。ROC 分析是从医疗分析领域引入了一种新的分类模型 performance 评判方法。

ROC的全名叫做Receiver Operating Characteristic，其主要分析工具是一个画在二维平面上的曲线——ROC curve。平面的横坐标是false positive rate(FPR)，纵坐标是true positive rate(TPR)。对某个分类器而言，我们可以根据其在测试样本上的表现得到一个TPR和FPR点对。这样，此分类器就可以映射成ROC平面上的一个点。调整这个分类器分类时候使用的阈值，我们就可以得到一个经过(0, 0)，(1, 1)的曲线，这就是此分类器的ROC曲线。一般情况下，这个曲线都应该处于(0, 0)和(1, 1)连线的上方。因为(0, 0)和(1, 1)连线形成的ROC曲线实际上代表的是一个随机分类器。虽然，用ROC curve来表示分类器的performance很直观好用。可是，人们总是希望能有一个数值来标志分类器的好坏。于是Area Under roc Curve(AUC)就出现了。

## 2 AUC ##

AUC是一种用来度量分类模型好坏的一个标准。顾名思义，AUC的值就是处于ROC curve下方的那部分面积的大小。通常，AUC的值介于0.5到1.0之间，较大的AUC代表了较好的performance。

AUC的计算方法总结：

**AUC的值就是计算出ROC曲线下面的面积**

![7d86739c5548fb89a91901d204587383.png][]

**学习更多编程知识，请关注我的公众号：**

[代码的路][Link 2]

![bcf936dd260044b53ab140e29c721524.png][]

[Link 1]: https://mp.weixin.qq.com/s/nSJc5z_O78C99dAcKdMSjQ
[7d86739c5548fb89a91901d204587383.png]: https://img-blog.csdnimg.cn/img_convert/7d86739c5548fb89a91901d204587383.png
[Link 2]: https://mp.weixin.qq.com/s/t0t89DFgJ1TEzI4uI5giHg
[bcf936dd260044b53ab140e29c721524.png]: https://img-blog.csdnimg.cn/img_convert/bcf936dd260044b53ab140e29c721524.png