为什么正负样本差距比较大的时候使用ROC曲线能比较准确的评估模型性能、auc和roc的关系以及为什么，auc能评判模型好坏
混淆矩阵、横轴 实际正样本、实际负样本、纵轴预测正样本、预测负样本
enter description here
PR曲线是什么、样本均衡的时候使用PR有什么好处
enter description here
ROC好处不均衡样本使用衡量较准确的原因
enter description here
a,c为ROC曲线，b,d为PR曲线。(a)和(b)展示的是分类其在原始测试集(正负样本分布平衡)的结果，(c)(d)是将测试集中负样本的数量增加到原来的10倍后，分类器的结果，可以明显的看出，ROC曲线基本保持原貌，而PR曲线变化较大
enter description here
auc是roc曲线的积分值，显示在tpr和fpr的关系、最理想肯定是tpr=1,fpr=0,所以auc是评判tpr和fpr关系的，值也叫阈值auc重叠取真值的最大阈值
enter description here
如何画auc图
enter description here
