理解ROC/AUC

版权声明：署名，允许他人基于本文进行创作，且必须基于与原先许可协议相同的许可协议分发本文 （Creative Commons）

理解ROC/AUC

接上一篇清晰简明混淆矩阵：

下图表示训练集（假设只有一个特征维度）关于特征维度的分布情况。根据某一算法，确定的临界值如图。小于临界值 $y=-1$,大于临界值 $y=1$

从上帝视角来看一下，表现如何？下图表示将 $y=-1,y=1$分别画出关于这一特征的分布情况（上一个图是整体分布）。

根据上图，和混淆矩阵的对应关系如下图（仅仅为示意图，比例有调整）：

性能度量	ROC坐标轴	公式	备注
True Positive Rate	Y	$\frac{TP}{TP+FN}$	Recall,sensitivity
False Positive Rate	X	$\frac{FP}{FP+TN}$	1-specificity

ROC曲线下方的面积（Area Under Curve，AUC）是性能的度量，靠近左上角，性能更好。