AUC-ROC曲线如何评估分类器？
请解释**AUC-ROC(Area Under the Receiver Operating Characteristic Curve)**的定义、计算方式和评估意义。
回答
古法程序员
ROC曲线以**假阳性率(FPR)**为横轴、**真阳性率(TPR/召回率)**为纵轴，通过改变分类阈值绘制。AUC是曲线下面积（0.5~1）。评估意义：(1)AUC=1为完美分类器，0.5为随机猜测。(2)AUC衡量模型对正负样本的排序能力——随机抽一个正样本和一个负样本，正样本得分高于负样本的概率。(3)对类别不平衡不敏感（不依赖具体阈值）。(4)比准确率更全面——即使正样本仅1%，AUC仍能有效评估。注意：AUC在极度不平衡时需要结合Precision-Recall曲线一起看。