之前实习的时候一直见公司里面的人说什么AUC,
实际AUC就是ROC曲线的面积
PR是precise和recall曲线，和ROC的区别是，当测试集中的正负样本分布变化的时候，ROC曲线能够保持不变，而PR曲线则变化很厉害
ROC曲线中的四个点
接下来我们考虑ROC曲线图中的四个点和一条线。第一个点，(0,1)，即FPR=0, TPR=1，这意味着FN（false negative）=0，并且FP（false positive）=0。Wow，这是一个完美的分类器，它将所有的样本都正确分类。第二个点，(1,0)，即FPR=1，TPR=0，类似地分析可以发现这是一个最糟糕的分类器，因为它成功避开了所有的正确答案。第三个点，(0,0)，即FPR=TPR=0，即FP（false positive）=TP（true positive）=0，可以发现该分类器预测所有的样本都为负样本（negative）。类似的，第四个点（1,1），分类器实际上预测所有的样本都为正样本。经过以上的分析，我们可以断言，ROC曲线越接近左上角，该分类器的性能越好。
详细介绍来源：https://www.douban.com/note/284051363/?type=like