AUC 评价指标详解，准确率（ACC），敏感性（sensitivity），特异性（specificity）计算 Python3TensorFlow2入门手册

Posted 2022-02-03 K同学啊

AUC是什么

一句话介绍：AUC（Area under the Curve of ROC）是ROC曲线下方的面积，是判断二分类预测模型优劣的标准。

• AUC = 1：是完美分类器，绝大多数预测的场合，不存在完美分类器。
• 0.5 < AUC < 1：优于随机猜测。
• AUC = 0.5：跟随机猜测一样（例：丢硬币），模型没有预测价值。
• AUC < 0.5：比随机猜测还差。

ROC曲线的横坐标是伪阳性率（也叫假正类率，False Positive Rate），纵坐标是真阳性率（真正类率，True Positive Rate），相应的还有真阴性率（真负类率，True Negative Rate）和伪阴性率（假负类率，False Negative Rate）。这四类的计算方法如下：

• 伪阳性率（FPR）：在所有实际为阴性的样本中，被错误地判断为阳性的比率。
• 真阳性率（TPR）：在所有实际为阳性的样本中，被正确地判断为阳性的比率。
• 伪阴性率（FNR）࿱