1.什么是AUC？
2.如何计算AUC？
方法一
在有M个正样本,N个负样本的数据集里。一共有MN对样本（一对样本即，一个正样本与一个负样本）。统计这MN对样本里，正样本的预测概率大于负样本的预测概率的个数。
这里第一个条件应该为P(正样本)>P(负样本)。
举例：
假设有4条样本。2个正样本，2个负样本，那么M*N=4。即总共有4个样本对。分别是：
（D,B）,（D,A）,(C,B),（C,A）。
在（D,B）样本对中，正样本D预测的概率大于负样本B预测的概率（也就是D的得分比B高），记为1
同理，对于（C,B）。正样本C预测的概率小于负样本C预测的概率，记为0.
最后可以算得，总共有3个符合正样本得分高于负样本得分，故最后的AUC为 1 + 1 + 1 + 0 4 = 0.75 \frac{1+1+1+0}{4}=0.75 41+1+1+0=0.75。
在这个案例里，没有出现得分一致的情况，假如出现得分一致的时候，例如：
同样本是4个样本对，对于样本对（C,B）其I值为0.5。最后的AUC为 1 + 1 + 1 + 0.5 4 = 0.875 \frac{1+1+1+0.5}{4}=0.875 41+1+1+0.5=0.875。
方法二
这个公式看起来有点吓人，其实就是先对预测概率进行排序，然后对正样本的序号相加，减去后面的常数项，最后除以M*N。
r a n k i n s i rank_{ins_i} rankinsi：代表第i条样本的序号。（概率得分从小到大排，排在第rank个位置）。
∑ \sum ∑ 代表对属于正样本的序号加和。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/175935.html原文链接：https://javaforall.net
