模型评估指标

混淆矩阵

于是，我们定义两个变量

所以FPR较小趋于0（在所有真实负样本中，基本没有预测为正的样本），TRP较大趋于1（在所有真实正样本中，基本全都是预测为正的样本）

ROC

在二分类（0，1）的模型中，一般我们最后的输出是一个概率值，表示结果是1的概率。那么我们最后怎么决定输入的x是属于0或1呢？我们需要一个阈值，超过这个阈值则归类为1，低于这个阈值就归类为0。所以，不同的阈值会导致分类的结果不同，也就是混淆矩阵不一样了，FPR和TPR也就不一样了。所以当阈值从0开始慢慢移动到1的过程，就会形成很多对(FPR, TPR)的值，将它们画在坐标系上，就是所谓的ROC曲线了。
 

用ROC来评估分类器的分类质量，我们就可以通过计算AUC（ROC曲线下的面积）来评估了，这就是AUC的目的。

样本不平衡时候的roc曲线变化

auc

AUC表示的是正例排在负例前面的概率。

优点：

• AUC衡量的是一种排序能力，因此特别适合排序类业务；
• AUC对正负样本均衡并不敏感，在样本不均衡的情况下，也可以做出合理的评估。
• 其他指标比如precision，recall，F1，根据区分正负样本阈值的变化会有不同的结果，而AUC不需要手动设定阈值，是一种整体上的衡量方法。

缺点：

• 忽略了预测的概率值和模型的拟合程度；
• AUC反映了太过笼统的信息。无法反映召回率、精确率等在实际业务中经常关心的指标；（太笼统）
• 它没有给出模型误差的空间分布信息，AUC只关注正负样本之间的排序，并不关心正样本内部，或者负样本内部的排序，这样我们也无法衡量样本对于客户的好坏程度的刻画能力；（推荐的好坏）

召回率 & 准确率

• 精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。
• 召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。

P-R曲线

F1度量

Precision体现了模型对负样本的区分能力，Precision越高，模型对负样本的区分能力越强；Recall体现了模型对正样本的识别能力，Recall越高，模型对正样本的识别能力越强。F1 score是两者的综合，F1 score越高，说明模型越稳健。

gauc

因为auc反映的是整体样本间的一个排序能力，而在计算广告领域，我们实际要衡量的是不同用户对不同广告之间的排序能力， 实际更关注的是同一个用户对不同广告间的排序能力，为此，参考了阿里妈妈团队之前有使用的group auc的评价指标 group auc实际是计算每个用户的auc，然后加权平均，最后得到group auc，这样就能减少不同用户间的排序结果不太好比较这一影响。
 
GAUC（group auc）实际是计算每个用户的auc，然后加权平均，最后得到group auc，这样就能减少不同用户间的排序结果不太好比较这一影响。

auc反映的是整体样本间的一个排序能力，

而在计算广告领域，我们实际要衡量的是不同用户对不同广告之间的排序能力，

因此实际应该更关注的是同一个用户对不同广告间的排序能力。

AUPRC

mAP

AP衡量的是学出来的模型在给定类别上的好坏，而mAP衡量的是学出的模型在所有类别上的好坏，得到AP后mAP的计算就变得很简单了，就是取所有AP的平均值。

        假设这N个样本中有M个正例，那么我们会得到M个recall值（1/M, 2/M, …, M/M）,对于每个recall值r，我们可以计算出对应（r’ > r）的最大precision，然后对这M个precision值取平均即得到最后的AP值。

参考文献：

性能指标（模型评估）之mAP_map准确率-CSDN博客

 https://blog.csdn.net/hnu2012/article/details/87892368

模型评估指标AUC（area under the curve）_模型评价指标英文-CSDN博客

机器学习 Fbeta-Measure 指标详解 - 知乎 (zhihu.com)

 图解AUC和GAUC - 知乎 (zhihu.com)

机器学习那些事儿[八]-ROC和AUC，你真的懂了吗？ (qq.com)