ks曲線和roc曲線都用到了tpr，fpr。ks曲線是把tpr和fpr都作為縱座標，而樣本數作為橫座標。但是auc只評價了模型的整體訓練效果，並沒有指出如何劃分類別讓預估的效果達到最好。
不同之處在於，ks取的是tpr和fpr差值的最大值。
偽陽性率（fpr） ：判定為正例卻不是真正例的比率
真陽性率（tpr） ：判定為正例也是真正例的比率
偽陰性率（fnr） ：判定為負例卻不是真負例的比率
真陰性率（tnr） ：判定為負例也是真負例的比率
令橫軸為閾值，縱軸為tpr和tpr，值域均為[0, 1]。可以這樣直觀理解，隨著橫座標從0到1變化，tpr越快提公升，模型效果越好；反之，fpr越快提公升，模型效果就越差。 ks值，正是圖中的最大差值，此時的橫軸取值，便是最佳閾值。
1. 根據學習器的**結果（注意，是正例的概率值，非0/1變數）對樣本進行排序（從大到小）-----這就是截斷點依次選取的順序
2. 按順序選取截斷點，並計算tpr和fpr ---也可以只選取n個截斷點，分別在1/n，2/n，3/n等位置
3. 橫軸為樣本的佔比百分比（最大100%），縱軸分別為tpr和fpr，可以得到ks曲線
4. tpr和fpr曲線分隔最開的位置就是最好的」截斷點「，最大間隔距離就是ks值，通常》0.2即可認為模型有比較好偶的**準確性
模型 區分度 神秘的KS值和GINI係數
有效性指標中的區分能力指標 ks kolmogorov smirnov ks用於模型風險區分能力進行評估，指標衡量的是好壞樣本累計分部之間的差值。好壞樣本累計差異越大，ks指標越大，那麼模型的風險區分能力越強。ks的計算步驟如下 1.計算每個評分區間的好壞賬戶數。2.計算每個評分區間的累計好賬戶數占...
分類模型指標ks的含義
如果理解roc曲線的話，就很容易理解ks了。roc橫縱座標分別為fpr tpr。ks橫軸為閾值，縱軸為不同閾值下的tpr，fpr，ks值是max tpr fpr 即兩曲線相距最遠的距離 ks值含義 0.3 模型 性較好 0,2 0.3 模型可用 0 0.2 模型 能力較差 0 模型錯誤 徵信模型中，...
模型評價指標ROC AUC KS值
roc曲線 receiver operating characteristic 是乙個二維的曲線圖，橫座標是fpr 即實際為負例樣本，被錯誤判斷為正例的比率 縱座標tpr 即實際為正例樣本，被正確判斷為正例的比率 roc是怎麼畫出來的？遍歷所有的概率值，例如取概率大於0.7的判斷為正例，小於0.7的...