auc_roc - JasonWayne/personal-wiki GitHub Wiki

参考文献

[1] Kaggle wiki, AUC讲的非常清楚

[2] AUC: a Better Measure than Accuracy in Comparing Learning Algorithms 这里有个例子非常好，根据一个分类器的prob，一个个点地来画出ROC曲线

[3] An Improved Model Selection Heuristic for AUC对于如何画ROC曲线，AUC的计算方式都讲得好

Confusion Matrix

提到ROC曲线，必须再说说混淆矩阵。混淆矩阵和通常我们计算准确率和召回率的那个横纵轴的排列时反的。 一般情况下，对于一个二分类，我们第一行表示预测为真，第二行表示预测为假，第一列表示实际为真，第二列表示实际为假。 而在混淆矩阵中，第一行表示实际为真的情况。

可对比看两者的wiki： https://en.wikipedia.org/wiki/Confusion_matrix https://en.wikipedia.org/wiki/Receiver_operating_characteristic

http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/ http://www2.cs.uregina.ca/~dbd/cs831/notes/confusion_matrix/confusion_matrix.html