机器学习-AUC-ORC-ARIMA

AUC（Area Under Curve） 取不同的参数值，是的TP,FN,FP,TN的分布不同的曲线图， 上述的图的参数取值位置不同，则得到TP,FN,FP,TN不同的值，然后的到TPR和FPR的点，则在图上会表示出一条线（ROC），如果AUC越大（面积越大），则表示分类器则越好； 多分类的ROC曲线：可以简化为多个二分类后：第一种就将所有的得到的值取平均值，或者得到的值再去做ROC曲线 ARI

>>阅读原文<<