潜江市网站,链接交换平台,代理平台app,线上兼职转自#xff1a; https://www.zhihu.com/question/39840928 作者#xff1a;小小丘 #xff08;该作者对 auc的意义 讲得非常棒, 感谢付出#xff09; 链接#xff1a;https://www.zhihu.com/question/39840928/answer/84906286 来源#xff1a;知乎 著作权归作者所有。…转自 https://www.zhihu.com/question/39840928 作者小小丘 该作者对 auc的意义 讲得非常棒, 感谢付出 链接https://www.zhihu.com/question/39840928/answer/84906286 来源知乎 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。 看到前面答主的答案我表示很激动的想来一个简化的版本。 曾经面试的时候被问到过这么一个问题怎么向一个没有任何计算机、数学、统计等基础的人介绍下什么是AUC当时我败北了。不过后来我有一天顿悟了为了检验我的顿悟是否有效特此一答。 我给出的答案是 AUC是指 从一堆样本中随机抽一个抽到正样本的概率 比 抽到负样本的概率 大的可能性。 其实这个解释百度下到处都是我是看别人说的然后理解了。 这里列出无数参考文献请自行百度 详细解释如下 随机抽取一个样本 对应每一潜在可能值X都对应有一个抽中的概率P。 按概率从高到矮排个降序 对于正样本中概率最高的排序为rank_1 比它概率小的有M-1个正样本M为正样本个数 (rank_1 - M) 个负样本。 正样本概率第二高的 排序为rank_2 比它概率小的有M-2个正样本(rank_2 - M 1) 个 负样本。 以此类推 正样本中概率最小的 排序为rank_M比它概率小的有0个正样本rank_M - 1 个负样本。 总共有MxN个正负样本对N为负样本个数。把所有比较中 正样本概率大于负样本概率 的例子都算上 得到公式rank_1 - M rank_2 - M 1 .... rank_M - 1 / (MxN) 就是正样本概率大于负样本概率的可能性了。 化简后因为后面是个等差数列得 amp;amp;lt;img srcquot;https://pic3.zhimg.com/a84974778b7d3c1387971c181876c4e2_b.pngquot; data-rawwidthquot;571quot; data-rawheightquot;113quot; classquot;origin_image zh-lightbox-thumbquot; widthquot;571quot; data-originalquot;https://pic3.zhimg.com/a84974778b7d3c1387971c181876c4e2_r.pngquot;amp;amp;gt;这就是传说中的AUC公式。这只是用于理解具体计算时候需要考虑rank平列的情况这就是传说中的AUC公式。这只是用于理解具体计算时候需要考虑rank平列的情况
