AUC-ROC

AUC-ROC（Area Under the ROC Curve）是ROC曲線下面積，衡量分類器區分正負類的整體能力，是常用的綜合評估指標。

定義：

• ROC曲線：TPR vs FPR
• AUC：曲線下面積
• 範圍0.5-1（隨機到完美）

解釋：

• 0.5：隨機猜測（無區分能力）
• 0.7-0.8：可接受
• 0.8-0.9：良好
• 0.9-1：優秀
• 1：完美區分

概率解釋：

• 隨機正例排名高於隨機負例的概率
• AUC=0.8表示80%機會正例得分更高

優勢：

• 閾值無關：不依賴特定分類閾值
• 類別不平衡穩健：比準確率可靠
• 可比性：不同模型直接比較

應用：

• 模型選擇：比較不同算法
• 醫療診斷：診斷測試評估
• 信用評分：違約預測
• 廣告點擊：CTR預測

與其他指標：

• 比準確率更全面
• 與PR AUC互補
• 類別極不平衡時PR AUC更好

AUC-ROC是評估分類器性能的標準指標。