Auc值是什麼意思

AUC（Area Under the Curve）值是統計學中常用的一個指標，用於評估二元分類模型（如 logistic 回歸、支持向量機、神經網絡等）的性能。在機器學習和數據挖掘中，AUC 通常用來衡量一個模型對樣本分類的能力。

AUC 值是 receiver operating characteristic (ROC) 曲線下的面積，ROC 曲線是真陽性率（TPR）與假陽性率（FPR）之間的關系圖。TPR 是指實際為正類的樣本中被正確分類為正類的比例，FPR 是指實際為負類的樣本中被錯誤分類為正類的比例。

AUC 值的範圍在 0 到 1 之間，一個隨機分類器的 AUC 值為 0.5，而一個完美的分類器的 AUC 值為 1。因此，AUC 值越接近 1，表示分類器的性能越好。

在實際應用中，AUC 值可以幫助我們比較不同模型的性能，選擇最佳的模型。此外，AUC 值還可以用來評估模型對不同類別的樣本分類的公平性。