参考文献: ROC曲线、AUC含义
作者：Aechen
链接：https://www.jianshu.com/p/0734d1592c4b
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
TPR：true positive rate，正类样本被分类器预测为正类占样本中所有正类的比率，即 TP / (TP + FN)
这个意思就是我所有阳性样本中你分类器能找对的比例, 越大分类器越准确.
(我习惯于用 阳性样本/阴性样本 来称呼引文中的 "正类样本/负类样本")
FPR：false negative rate，负类样本被分类器预测为正类占样本中所有负类的比率，即FP/(FP+TN)
这个意思是所有的阴性样本中, 你分类器看走眼了, 当成的阳性样本的比例, 越小, 分类器越牛
它所表示的意义为无论是样本是正样本还是负样本，分类器预测两者为正样本的概率是一样的，换句话说，分类器对于正例和负例毫无区分能力，和抛硬币没什么区别。这是最差的情况，此时分类器的AUC值为0.5。
为什么说0.5是最差的情况呢, 因为比0.5小的话, 只要反着分类器的结果看就OK了. (当然, 如果作为产品出品的话, 还是取个逆运算, 把AUC整成大于0.5更有说服力).
