模型评价指标-ROC曲线AUC值

     在做机器学习的时候，当模型训练好之后，我们该如何去评价这个模型的好坏呢？我们首先想到的会是使用正确率来评价模型的好坏。首先来看下正确率公式：

                                                          正确率 = 预测正确的样本数 / 总的样本数

那么如果用正确率来衡量一个模型的好坏的话，它会存在什么问题呢？

假如我们有100个样本，其中正样本数有95个，负样本数5个，模型的预测中，在95个正样本里面有94个预测成了正样本，1个预测成了负样本，在5个负样本中，有4个预测成了正样本，1个预测成了负样本，即：

                              实际值                95 正样本数                                    5负样本数

                              预测值          94正                    1负                         4正             1负 

像这种情况，正确率为 （94 + 1）/ 100  = 0.95 ，如果只看0.95这个值的话，该模型算是个好模型了。但是，我们观察下负样本，5个负样本中只有1个本预测对了，显然模型不合理。所以，对于正负例样本比例不平衡的数据集来说，使用正确率来衡量模型好坏显然是不合理的。

准确率和召回率

    接下来引入准确率和召回率两概念。首先这两指标是针对一边的样本的（正样本或负样本），通常叫正样本（负样本）的准确率，正样本（负样本）的召回率。首先引入下图：

如上图所示 ： 正样本的召回率 = TP/（TP+FN）           正样本的准确率 = TP/(TP+FP)

其中：真正例（TP）、假正例（FP）、真反例（TN），以及假反例（FN）

        TP ：预测是正样本  实际也是正样本               FP：预测是正样本  实际是负样本

        FN：预测是负样本  实际是正样本                    TN：预测是负样本  实际是负样本

还是按上面那个例子计算正样本召回率和准确率：

      正样本召回率 = 94 / （94 + 1）                 正样本准确率 = 94/（94 + 4）

     负样本召回率 = 1 / （4 + 1）                 负样本准确率 = 1/（4 + 1）

不同项目，对于这两指标侧重点不一样，对于一些推荐系统来讲，它们就希望准确率高点，希望达到推荐过去的东西都是用户所喜欢的，进而提高用户体验，这个时候可以提高阈值，但是对于一些文章过滤需求，需要把黄赌毒的文章都过滤掉，这个时候就希望召回率高点，目的是要把所有的黄赌毒文章过滤掉，这个时候可以降低阈值。通过上述分析，这两指标大小是和阈值相关的，阈值大点，准确率就高，阈值小点，召回率就高。显然这也无法定量去衡量模型的好坏，接下来我们引出ROC曲线。

ROC曲线和AUC值

先看下曲线长什么样子

       解释如下：

到这里模型评价指标就结束了。