AUC

理解了ROC之后，AUC就容易了。因为AUC完全源于ROC，它的英文是Area under curve，也就是ROC曲线当中曲形的面积。

那么，这个ROC是怎么算出来的呢？

我们来举一个例子，假设我们现在有一系列预测结果：

我们列一下这个模型的混淆矩阵：

我们代入算一下FPR和TPR，可以得到TPR是3 / (3 2) = 0.6，对应的FPR是1 / (1 4) = 0.2。

我们把这个点代入ROC曲线，可以得到：

看起来像是那么回事了，但还是有些怪怪的，这看起来也不像是一个曲线呀。这是因为我们模型预测的结果直接拿的是01值，对于一些硬分类器，比如SVM和贝叶斯，0就是0，1就是1，我们得到的就是这样一个折线图。但如果是一些根据阈值划分结果的软分类器，比如LR、GBDT等，我们得到的就是一个浮点值，我们调整阈值就会得到不同的结果，就会更加像是曲线。

我们还用刚才的样本举例：