查看ROC、LIFT、PR和KS曲线

ROC曲线

ROC（receiver operating characteristic）即接受者操作特征曲线，其反映的是分类器的真正率与假正率之间的关联性。

通过绘制ROC曲线，可以对多种分类器的性能进行对比分析。在假正率低于0.36的情况下，M1浩宇的表现优于M2；而当假正率超过0.36时，则M2更具优势。

ROC曲线所围成的区域面积被称为AUC（area under curve），该数值越高，表明分类器的判别能力越强。对于理想状态下的分类器而言，其AUC值应为1。

通常认为，当AUC值大于0.8时，分类器具备较好的性能。图来自<>

2.P-R曲线

PR（精确率 召回率）曲线所展示的是精确率与召回率两者之间的关联性

当PR曲线越接近右上方区域时，意味着模型的性能越优越，这一特性与ROC曲线存在相似之处。在对多个模型进行性能对比时，若某一模型的PR曲线被另一模型的PR曲线完全覆盖，则可判