ROC-AUC
释义 Definition
ROC-AUC 是机器学习与统计中常用的二分类模型评估指标，指 ROC 曲线下面积（Area Under the ROC Curve）。它衡量模型将“正类”样本的预测得分排在“负类”之上的能力：
- AUC = 1.0 表示区分能力完美
- AUC = 0.5 约等于随机猜测
（也常用于多分类的扩展版本，如 one-vs-rest 的宏/微平均 AUC。）
发音 Pronunciation (IPA)
/ˌɑɹ oʊ ˌsiː eɪ ˌjuː ˈsiː/
例句 Examples
The model achieved a ROC-AUC of 0.91 on the test set.
该模型在测试集上的 ROC-AUC 达到 0.91。
Because the classes are imbalanced, we report ROC-AUC alongside precision-recall AUC to better reflect performance across thresholds.
由于类别不平衡，我们在报告 ROC-AUC 的同时也报告 PR-AUC（精确率-召回率曲线下面积），以更好地反映模型在不同阈值下的表现。
词源 Etymology
ROC-AUC 由两部分缩写组成：
- ROC = Receiver Operating Characteristic，最早源于信号检测理论与雷达/通信领域，用来描述在不同判定阈值下“真阳性率（TPR）”与“假阳性率（FPR）”的权衡关系。
- AUC = Area Under the Curve，即“曲线下面积”，把整条 ROC 曲线的总体表现压缩成一个数值，便于比较模型。
相关词 Related Words
文学与著作中的用例 Literary & Notable Works
- Tom Fawcett, An Introduction to ROC Analysis（2006）
- Green & Swets, Signal Detection Theory and Psychophysics（1966）
- Hastie, Tibshirani, Friedman, The Elements of Statistical Learning（多处讨论分类评估与 ROC/AUC）
- Christopher M. Bishop, Pattern Recognition and Machine Learning（涉及 ROC/AUC 的评估语境）
- Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning（模型评估相关章节常提及 AUC/ROC）
Select Language