模型的概率分布评估指标（二）

文章结构概述

• • 一. ROC曲线：
    • 二.增强图：
    • 三.洛伦兹曲线:
    • 四.K-S曲线:
    • 五.综述：
    • 六.其余模型评估指标

一. ROC曲线：

横轴表示FPR（False Positive Rate），即假阳性率，纵轴则对应TPR（True Positive Rate），即真阳性率。

有关ROC曲线的绘制方法，上一篇文章中已作详细说明ROC曲线的绘制
在此我们仅作简要介绍：

通过设定一个概率临界值，可以构建出一个理想的模型。在该临界值之上，所有样本均被判定为正类（即坏样本），而在该临界值之下，所有样本则被判定为负类（即好样本）。

从图中可观察到以下情况：

• ROC 曲线从 A 点出发，依次经过 B 点最终抵达 C 点。这表明，在不损失任何好用户的情况下，