理解ROC與AUC

基礎知識

學習的ROC和AUC介紹以及如何計算AUC這篇博客，講的很清晰，推薦給大家。

個人理解

1. precision recall F1適用於預測結果是確定的情況，auc適用於預測結果是有概率的；
2. 要畫roc，首先得把 將所有樣本預測爲正例的概率值 排序，依次從小到大選取概率值作爲正例閾值，然後計算FPR、TPR作爲橫縱座標描點，進而將點連接起來畫出roc曲線；
3. 之所以要畫roc或者說需要roc，是因爲概率閾值取的不同會得到很多組TP和FP，所以auc是把很多組 [tpr fpr] 綜合起來用一個指標評價分類效果，而f1只是綜合一組pr；
4. 測試集需要既有正例也有反例，否則auc爲零；
5. TPR的分子是預測爲正例的樣本中預測正確的個數，可以理解爲預測爲正例的樣本中預測正確的比例，FPR的分子爲預測爲正例的樣本中預測錯誤的個數，可以理解爲預測爲正例的樣本中預測錯誤的比例；所以TPR越大FPR越小越好，進而是auc越大越好，可以結合下圖理解。