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