技术
AUC-ROC（ROC曲线下面积）
AUC-ROC是衡量二分类模型排序能力的指标，曲线下面积越大表示模型区分正负样本的能力越强，解决类别不平衡下准确率失真问题。典型应用于医疗诊断、欺诈检测，代表工作如信用评分模型评估。
详细解释
ROC曲线以真正例率（TPR）为纵轴、假正例率（FPR）为横轴，通过改变分类阈值绘制。AUC（Area Under Curve）是ROC曲线下的面积，值在0.5到1之间，0.5表示随机猜测。AUC对类别不平衡不敏感，且不依赖阈值选择。计算方法包括梯形法则和基于排序的统计量。在信息检索中类似指标为AUC-PR。
别名与相关写法
auc-roc