auc數值即為roc曲線下的面積。roc曲線從0點開始上公升越快，說明模型錯分正樣本的比例越小，模型對正樣本識別的能力越強。在roc曲線的基礎上，拋開閾值的調節，roc曲線下半部分的面積值就是auc值。auc值介於0到1之間，是一種概率值。本質上auc是在模型**的資料集中，比較正負樣本，評估正樣本分數排在負樣本之上的能力，進而估計模型對正樣本**的可信程度。
由於auc指標能較好地概括不平衡類別的樣本集下分類器的效能，因此成為很多機器學習系統中的最終判定標準。
基本目錄如下：
什麼是roc曲線？
1.1 roc曲線的歷史
1.2 roc曲線的定義
1.3 roc曲線的應用場景
如何繪製roc曲線？
2.1 roc曲線的繪製原理
2.2 roc曲線繪製的python實現
自從讀了吳軍老師的《數學之美》，我就想明白了一件事情，如果想要講明白一件事情，一定要把他的歷史淵源都講明白，這樣我們才能對其理解透徹，而不是單純學到會用就好～試想，有多少人在讀這篇文章之前，會想到roc曲線在軍事上的運用呢？接下來，我就當一回搬運工，把roc曲線的誕生淵源都捋一捋～
經過一番網上調查，roc曲線起源於第二次世界大戰時期雷達兵對雷達的訊號判斷。當時每乙個雷達兵的任務就是去解析雷達的訊號，但是當時的雷達技術還沒有那麼先進，存在很多雜訊（比如乙隻大鳥飛過），所以每當有訊號出現在雷達螢幕上，雷達兵就需要對其進行破譯。有的雷達兵比較謹慎&#
ROC曲線和AUC面積
本博文所有理論都是基於二分類，多分類問題其實與二分類問題相通。考慮乙個二分問題，如果一類定為正類 positive 那麼另一類就是負類 negative 注意和正樣本和負樣本概念不同，參考博文 真正類 true positive 例項是正類並且也被 成正類 假正類 false positive 例項...
ROC曲線和AUC指標
roc曲線的橫軸就是fprate，縱軸就是tprate，二者相等時表示的意義則是 對於不論真實類別是1還是0的樣本，分類器 為1的概率是相等的，此時auc為0.5 圖中藍色的線則是roc曲線，roc曲線和橫軸 縱軸圍成的面積就是auc指標。fpr fp fp tn from sklearn.metr...
關於ROC曲線和AUC的知識小記
很多分類器根據測試樣本產生乙個概率 然後將該 值與閾值進行比較，高於閾值則被分類為正類，低於閾值則被分為負類。auc值是評價分類器的乙個指標，全稱是area under curve，直譯就是曲線下的面積。什麼曲線呢，就是roc曲線。真實值和 值的混淆矩陣 值 值0 1真實值0tn fp真實值1fn ...