一 背景 

      首先舉個例子：

                         正樣本（90）                       負(fù)樣本（10）        

模型1預(yù)測        正（90）                                正（10）

模型2預(yù)測        正（70）負(fù)（20）                正（5）負(fù)（5）

結(jié)論：

       模型1準(zhǔn)確率90%；

       模型2 準(zhǔn)確率75%      

       考慮對正負(fù)樣本對預(yù)測能力，顯然模型2要比模型1好，但對于這種正負(fù)樣本分布不平衡對數(shù)據(jù)，準(zhǔn)確率不能衡量分類器對好壞了，所以需要指標(biāo)auc解決傾斜樣本的評價問題。

二分類混淆矩陣

預(yù)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(biāo)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