ROC 曲线与 AUC

定义

ROC 曲线(Receiver Operating Characteristic,受试者工作特征曲线)源自二战时期的雷达信号检测理论,后成为评估二分类器的标准工具:以假正率(FPR)为横轴、真正率(TPR,即召回率)为纵轴,绘制分类阈值从高到低滑动时的轨迹。AUC(Area Under the Curve)即曲线下面积,把整条曲线汇总为单一数值。

解读

随机猜测对应对角线,AUC 为 0.5;完美分类器 AUC 为 1。AUC 有直观的概率解释:随机抽取一个正样本和一个负样本,模型给正样本更高分数的概率。它衡量的是排序能力,与具体阈值选择无关。

优缺点

优点是不受阈值影响、对类别先验比例相对不敏感,便于跨模型比较;缺点是在极度不平衡且更关注正类精确率的场景(如欺诈检测)可能过于乐观,此时 PR 曲线(精确率-召回率曲线)及其 AUC 是更合适的补充。