為什么正負樣本差距比較大的時候使用ROC曲線能比較准確的評估模型性能、auc和roc的關系以及為什么，auc能評判模型好壞

混淆矩陣、橫軸 實際正樣本、實際負樣本、縱軸預測正樣本、預測負樣本

enter description here

PR曲線是什么、樣本均衡的時候使用PR有什么好處

enter description here

ROC好處不均衡樣本使用衡量較准確的原因

enter description here

a,c為ROC曲線，b,d為PR曲線。(a)和(b)展示的是分類其在原始測試集(正負樣本分布平衡)的結果，(c)(d)是將測試集中負樣本的數量增加到原來的10倍后，分類器的結果，可以明顯的看出，ROC曲線基本保持原貌，而PR曲線變化較大

enter description here

auc是roc曲線的積分值，顯示在tpr和fpr的關系、最理想肯定是tpr=1,fpr=0,所以auc是評判tpr和fpr關系的，值也叫閾值auc重疊取真值的最大閾值

enter description here

如何畫auc圖

enter description here