一、auc值是什么？

auc被定义为ROC曲线下的面积。往往使用auc值作为模型的评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一个数值，对应AUC更大的分类器效果更好。

　其中，ROC曲线全称为受试者工作特征曲线 ，它是根据一系列不同的二分类方式，以真阳性率感为纵坐标，假阳性率为横坐标绘制的曲线。

　auc就是衡量学习器优劣的一种性能指标。从定义可知，auc可通过对ROC曲线下各部分的面积求和而得。

　auc面积的意义：auc是衡量二分类模型优劣的一种评价指标，表示预测的正例排在负例前面的概率。

二、曲线下面积是什么意思？

解答：ROC曲线下与坐标轴围成的面积

显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。

扩展资料：

主要作用：

1.ROC曲线能很容易的查出任意阈值对学习器的泛化性能影响。

2.有助于选择最佳的阈值。ROC曲线越靠近左上角，模型的准确性就越高。最靠近左上角的ROC曲线上的点是分类错误最少的最好阈值，其假正例和假反例总数最少。

3.可以对不同的学习器比较性能。将各个学习器的ROC曲线绘制到同一坐标中，直观地鉴别优劣，靠近左上角的ROC曲所代表的学习器准确性最高。

优点：

1.该方法简单、直观、通过图示可观察分析学习器的准确性，并可用肉眼作出判断。

2.ROC曲线不固定阈值，允许中间状态的存在，利于使用者结合专业知识，权衡漏诊与误诊的影响，选择一个更加的阈值作为诊断参考值。

三、交叉熵取值范围？

AUC（Area Under Curve）被定义为ROC曲线下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。交叉熵：衡量估计模型与真实概率分布之间之间差异情况。