AUC越高,模型在区分正类和负类方面的功能越好。
理想上,蓝线上的任何一点都对应于真正例率等于假正例率的状况。 这条线上的一切点都对应于属于正类的正确分类点的比例大于属于负类的错误分类点的比例的状况。
“错误的希望比恐惧更风险。”——J.R.R.托尔金