概念卡：AUC

综合实践 · 01_专业概念地图/概念卡_AUC.md

概念卡：AUC

一句话定义

AUC 衡量分类模型把正例排在负例前面的整体能力。

它解决什么问题

它用于评估模型排序能力，尤其在不同分类阈值下比较模型表现。

典型使用场景

• 二分类模型评估。
• 风险评分模型。
• 类别不平衡任务的辅助评价。

需要知道的关键词

• ROC Curve
• TPR
• FPR
• Threshold
• Ranking

和导师方向的关系

大数据和应用统计中的分类模型常用 AUC 汇报表现，但它不直接告诉你具体阈值下的误报漏报。

交流时可以怎么说

AUC 反映排序能力，但如果要实际预警，还需要选择阈值并看混淆矩阵。

在类别不平衡场景下，我会结合 AUC、precision、recall 一起看。

可以追问的问题

• AUC 高是否意味着实际阈值表现好？
• 更关心排序还是最终分类决策？
• 是否需要 PR-AUC？

给 AI 的提示词

请解释 ROC、AUC、TPR 和 FPR。要求给直觉、适用场景、局限，并比较 AUC 和混淆矩阵。

我的理解边界

• 已理解：AUC 衡量排序能力。
• 还不确定：PR-AUC。
• 下次需要补：ROC 曲线。