前面我们已经介绍了逻辑回归、决策树、随机森林这几种常用的分类模型，不知道大家有没有留意到，我们在前面做模型评价的时候都会用到一个指标--AUC，通过AUC值的大小来评判模型好坏。前面我们有简单提过AUC值越大表示模型效果越好，这到底是为什么呢？本节课就给大家详细讲解分类模型中常用的模型评价方法--混淆矩阵、ROC曲线与AUC。
混淆矩阵
我们以常见的二分类问题为例，假设模型预测为正例记为1(positive)，反例记为0(negative)，那么我们可以根据实际情况与模型预测情况得到以下一张表格，它就是我们常说的混！淆！矩！阵！
其中TP表示预测值为正（positive)，实际值也为正（positive)；
FP表示预测值为正(positive)，实际值为反（negative)；
FN表示预测值为反（negative)，实际值为正（positive)；
TN表示预测值为反（negative)，实际值也为反（negative)。
对于预测性分类模型，我们肯定是希望预测结果越准越好。那么，对应到混淆矩阵中，就是希望TP与TN对应位置的数值越大越好，而FP与FN对应位置的数值越小越好。但在模型结果预测中，单看这些对应位置的数值大小往往不够直观，所以我们通常会通过以下几个指标来判定模型结果的好坏。
1.准确率(Accuracy) = (TP TN) / (TP FP FN TN)
（在整个观察结果中，预测正确的占比）
2.精确率(Precision) = TP / (TP FP)（在所有预测为正例的结果中，预测正确的占比）
3.召回率(Recall) = TP / (TP FN)
（在所有实际值为正例的结果中，预测正确的占比）
4.F1_score = 2*P*R/(P R)
(P代表精确率，R代表召回率）
注：1、以上几个指标范围在0-1之间，数值越大表示相应结果越好；
2、精确率是针对预测结果而言的，召回率是针对实际结果而言的；
3、混淆矩阵也可以用作多分类问题。
ROC曲线
ROC的全称是Receiver Operating Characteristic Curve，中文名字叫“受试者工作特征曲线”，它是代表模型在不同的阈值条件下灵敏性与精确性的变化趋势。
横坐标为假正例率（FPR)，纵坐标表示真正例率（TPR），也就是召回率。其中，
FPR = FP / (FP TN)
TPR = TP / (TP FN)
（哈哈，到这里大家是不是有点蒙了?）
下面给大家讲解ROC曲线的绘制原理,理解起来就会比较简单了。
如果大家对二分类模型预测结果还有印象的话，一般模型的输出结果都是预测样本为正例（positive)的概率。而事实上，ROC曲线正是通过不断移动分类器（模型）的“阈值”来生成曲线上的一组关键点的。可能这样讲有点抽象，还是举个栗子。比如现在有10个人，每个人都从同一个模型得到预测结果，第一个人认为结果大于0.92就是正例，第二个人则认为结果大于0.87就是正例，第三个人认为结果大于0.76就是正例，依次类推。每个人心中都有自己的一个判断标准（也就是对应模型的不同“阈值”），这样针对每一个人，都能计算出一个ROC曲线上的关键点（一组FPR,TPR值）然后把这10个点连接起来，就得到了一个简单的ROC曲线。
为方便大家进一步理解，下图是一个二分模型真实的输出结果，一共有20个样本，输出的概率Score就是模型判定样本为正例的概率，第二列Class是样本的真实标签(p表示正例，n表示反例)。
现在我们指定一个阈值为0.8，那么只有最前面的2个样本（0.8）会被归类为正例，而其他的所有样本都会被归为反例。因此，对于0.8这个阈值，我们可以计算出FPR为0（别问我为什么，套用前面的公式去计算），TPR为0.2(因为总共10个正样本，预测正确的个数为2)，那么我们就知道曲线上必有一个点为(0, 0.2)，根据图中依次选择不同的阈值，画出全部的点以后，再连接这些点即可最终得到ROC曲线如下图所示。
AUC
还是?图所示，AUC是ROC曲线下面的面积,范围在0-1之间，AUC数值越大表示模型效果越好。若曲线上下两部分面积相等，则它就是y=x直线，此时AUC等于0.5，表示模型的结果相当于随机猜测，没什么效果~
ok，到这里混淆矩阵、ROC曲线与AUC你都懂了吗？不懂就慢慢消化吧。下节课给大家带来更刺激的SVM，敬请期待～
