一 背景
首先舉個例子：
正樣本（90） 負樣本（10）
模型1預測 正（90） 正（10）
模型2預測 正（70）負（20） 正（5）負（5）
結(jié)論：
模型1準確率90%；
模型2 準確率75%
考慮對正負樣本對預測能力，顯然模型2要比模型1好，但對于這種正負樣本分布不平衡對數(shù)據(jù)，準確率不能衡量分類器對好壞了，所以需要指標auc解決傾斜樣本的評價問題。
二分類混淆矩陣
預測\實際 1 0
1 TP FP
0 FN TN
TPR＝TP／P＝TP／TP＋FN 直觀1中猜對多少
FPR＝FP／N＝FP／FP＋TN 直觀0中猜錯多少
Auc對橫縱坐標分別為FPR和TPR，相對于y=x這條直線靠近左上角對分類器性能更好，所以模型2更優(yōu)。
TPR FPR
模型1 90/90＝1 10/10=1
