干货
auc的计算
- 有两种计算方式：
- 第一种：适合口算，特殊说明：一组正负样本得分相同则分子给0.5即可，多组相同乘以组数即可
- 第二种：大多数书上给的计算公式，相较第一种不太适合口算。
- 另外还有绘制ROC曲线，再算area-under-curve的方式，通用方式积分求面积
- 常用的auc计算方式有两种
- 一种是tensorflow的tf.metrics.auc函数
- 一种是sklearn中的roc_auc_score()函数。
- 二者都是通过极限逼近求积分的思想，计算roc曲线下面积的一个个小梯形的面积和得到auc。
- sklearn中对全负样本和全正样本没有做特殊处理，所以出现这两种情况的时候会报错，因此通过roc_auc_score()函数算gauc的时候，过滤掉相应的全负或者全正用户。
- 而tf中的有一个分母为0时的无穷小的数打底，如果样本全正或者全负tf中的auc会1
求证样本全正全负情况下tf中求曲线面积得到的auc为1，需要对真阳率和假阳率做进一步分析，在这里用auc的第二种计算公式做简单说明：见下图
说明：M和N分别为正样本和负样本个数，一旦全负或者全正样本，分母则为0，auc无穷大，如果加一个极小值打底，高数求极限思想，分子分母都无穷小，则auc为1。（全负样本的时候tf.metrics.auc=1 这种情况在我之前的工作中出现了这样的case（label 的feature columns的key出现了前后不一致，所以会默认为0，即全负样本，那个时候的自拟合auc是1，排查问题也是耗费了一些时间）
大致看下就ok
- auc跟样本真实label和预测概率排序相关
单个用户的样本全是正样本或者全是负样本，auc就算不出来了，会报错，所以算gauc的时候要过滤这两类的case
gauc的求法一般用的是下面的这种，用户样本数作为系数
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
