1.KS值--學習器將正例和反例分開的能力，確定最好的“截斷點”
KS曲線和ROC曲線都用到了TPR，FPR。KS曲線是把TPR和FPR都作為縱坐標，而樣本數作為橫坐標。但是AUC只評價了模型的整體訓練效果，並沒有指出如何划分類別讓預估的效果達到最好。
不同之處在於，ks取的是TPR和FPR差值的最大值。
偽陽性率（FPR） ：判定為正例卻不是真正例的比率
真陽性率（TPR） ：判定為正例也是真正例的比率
偽陰性率（FNR） ：判定為負例卻不是真負例的比率
真陰性率（TNR） ：判定為負例也是真負例的比率
2.畫圖注意
令橫軸為閾值，縱軸為TPR和TPR，值域均為[0, 1]。可以這樣直觀理解，隨着橫坐標從0到1變化，TPR越快提升，模型效果越好；反之，FPR越快提升，模型效果就越差。 ks值，正是圖中的最大差值，此時的橫軸取值，便是最佳閾值。
3.作圖步驟
1. 根據學習器的預測結果（注意，是正例的概率值，非0/1變量）對樣本進行排序（從大到小）-----這就是截斷點依次選取的順序
2. 按順序選取截斷點，並計算TPR和FPR ---也可以只選取n個截斷點，分別在1/n，2/n，3/n等位置
3. 橫軸為樣本的占比百分比（最大100%），縱軸分別為TPR和FPR，可以得到KS曲線
4. TPR和FPR曲線分隔最開的位置就是最好的”截斷點“，最大間隔距離就是KS值，通常>0.2即可認為模型有比較好偶的預測准確性