- AUROC（Area Under the ROC Curve）
中文名称： ROC曲线下面积
它表示什么意思？
• ROC曲线 是一个二维曲线，描绘了分类模型在不同判断阈值下真正例率（True Positive Rate, TPR， 又称召回率） 和假正例率（False Positive Rate, FPR） 的权衡关系。
◦ TPR（召回率）：在所有真实为正例的样本中，被模型正确预测为正例的比例。TPR = TP / (TP + FN)。我们希望这个值越高越好。
◦ FPR：在所有真实为负例的样本中，被模型错误预测为正例的比例。FPR = FP / (FP + TN)。我们希望这个值越低越好。场景：疾病诊断模型 • 任务： 根据某项检测指标预测一个人是否患病（二分类：患病=正例，健康=负例）。
• 数据集： 我们有 10个 样本：
◦ 3个 真实患病（正例） ◦ 7个 真实健康（负例）• 模型输出： 模型对每个样本预测一个 患病概率（介于0和1之间）。假设模型预测结果如下（按预测概率从高到低排序）：
样本ID 真实标签 模型预测的患病概率
1 患病 0.95
2 患病 0.85
3 健康 0.75
4 健康 0.65
5 患病 0.55
6 健康 0.45
7 健康 0.35
8 健康 0.25
9 健康 0.15
10 健康 0.05
核心概念回顾： • 阈值： 我们设定一个门槛值。如果预测概率 >= 阈值，模型就判定为"患病"（正例）；否则判定为"健康"（负例）。
• TPR (True Positive Rate, 召回率)： TP / (TP + FN)
◦ TP (True Positive): 真实患病，且模型预测患病（正确）。 ◦ FN (False Negative): 真实患病，但模型预测健康（错误，漏诊）。 ◦ 意义： 在所有真实患病的人中，模型成功找出了多少比例？越高越好。• FPR (False Positive Rate)： FP / (FP + TN)
◦ FP (False Positive): 真实健康，但模型预测患病（错误，误诊）。 ◦ TN (True Negative): 真实健康，且模型预测健康（正确）。 ◦ 意义： 在所有真实健康的人中，模型错误地认为有多少比例患病？越低越好。绘制ROC曲线的步骤：
ROC曲线是通过遍历所有可能的分类阈值，计算每个阈值下的(TPR, FPR)点，并将这些点连接起来形成的。
选择阈值点： 通常，我们选择所有样本的预测概率值作为候选阈值点（有时也包括0和1）。我们按预测概率从高到低排序（如上表），依次取每个概率值作为阈值。
计算每个阈值下的TPR和FPR：
◦ 阈值 = 1.0 (或 >0.95)： 没有样本的概率 >= 1.0。所有样本都被预测为"健康"。
▪ TP = 0 (没预测出任何病人) ▪ FN = 3 (3个病人都漏诊了) ▪ FP = 0 (没误诊任何人) ▪ TN = 7 (7个健康人都判对了) ▪ TPR = 0 / (0 + 3) = 0 ▪ FPR = 0 / (0 + 7) = 0 ▪ 点：(0, 0)◦ 阈值 = 0.95： 样本1的概率 >= 0.95，预测为"患病"；其他预测为"健康"。
▪ TP = 1 (样本1正确预测患病) ▪ FN = 2 (样本2和5漏诊) ▪ FP = 0 (没有健康人被误诊) ▪ TN = 7 (所有健康人判对) ▪ TPR = 1 / (1 + 2) = 1/3 ≈ 0.333 ▪ FPR = 0 / (0 + 7) = 0 ▪ 点：(0, 0.333)◦ 阈值 = 0.85： 样本1、2的概率 >= 0.85，预测为"患病"；其他预测为"健康"。
▪ TP = 2 (样本1、2正确预测患病) ▪ FN = 1 (样本5漏诊) ▪ FP = 0 (没有健康人被误诊) ▪ TN = 7 (所有健康人判对) ▪ TPR = 2 / (2 + 1) = 2/3 ≈ 0.667 ▪ FPR = 0 / (0 + 7) = 0 ▪ 点：(0, 0.667)◦ 阈值 = 0.75： 样本1、2、3的概率 >= 0.75，预测为"患病"；其他预测为"健康"。
▪ TP = 2 (样本1、2正确预测患病) ▪ FN = 1 (样本5漏诊) ▪ FP = 1 (样本3被误诊为患病) ▪ TN = 6 (样本4、6、7、8、9、10判对健康) ▪ TPR = 2 / (2 + 1) = 2/3 ≈ 0.667 ▪ FPR = 1 / (1 + 6) = 1/7 ≈ 0.143 ▪ 点：(0.143, 0.667)◦ 阈值 = 0.65： 样本1、2、3、4的概率 >= 0.65，预测为"患病"；其他预测为"健康"。
▪ TP = 2 (样本1、2正确预测患病) ▪ FN = 1 (样本5漏诊) ▪ FP = 2 (样本3、4被误诊为患病) ▪ TN = 5 (样本6、7、8、9、10判对健康) ▪ TPR = 2 / (2 + 1) = 2/3 ≈ 0.667 ▪ FPR = 2 / (2 + 5) = 2/7 ≈ 0.286 ▪ 点：(0.286, 0.667)◦ 阈值 = 0.55： 样本1、2、3、4、5的概率 >= 0.55，预测为"患病"；其他预测为"健康"。
▪ TP = 3 (样本1、2、5正确预测患病！样本5终于被检出) ▪ FN = 0 (所有病人都找到了！) ▪ FP = 2 (样本3、4被误诊为患病) ▪ TN = 5 (样本6、7、8、9、10判对健康) ▪ TPR = 3 / (3 + 0) = 1.0 ▪ FPR = 2 / (2 + 5) = 2/7 ≈ 0.286 ▪ 点：(0.286, 1.0)◦ 阈值 = 0.45： 样本1-6的概率 >= 0.45，预测为"患病"；其他预测为"健康"。
▪ TP = 3 (所有病人都找到了) ▪ FN = 0 ▪ FP = 3 (样本3、4、6被误诊为患病) ▪ TN = 4 (样本7、8、9、10判对健康) ▪ TPR = 3 / (3 + 0) = 1.0 ▪ FPR = 3 / (3 + 4) = 3/7 ≈ 0.429 ▪ 点：(0.429, 1.0)◦ 阈值 = 0.35, 0.25, 0.15, 0.05： 随着阈值降低，越来越多的健康人被误诊（FP增加），但TPR已经达到1.0（所有病人都找到了）保持不变。FPR会继续上升。
▪ 阈值=0.35： FPR = 4/7 ≈ 0.571 -> (0.571, 1.0) ▪ 阈值=0.25： FPR = 5/7 ≈ 0.714 -> (0.714, 1.0) ▪ 阈值=0.15： FPR = 6/7 ≈ 0.857 -> (0.857, 1.0) ▪ 阈值=0.05 (或 <0.05)： FPR = 7/7 = 1.0 -> (1.0, 1.0) (所有健康人都被误诊为患病)绘制曲线：
◦ 以 FPR 为 X轴。
◦ 以 TPR 为 Y轴。
◦ 将上面计算出的所有点画在坐标系中：
▪ (0, 0) ▪ (0, 0.333) ▪ (0, 0.667) ▪ (0.143, 0.667) ▪ (0.286, 0.667) ▪ (0.286, 1.0) ▪ (0.429, 1.0) ▪ (0.571, 1.0) ▪ (0.714, 1.0) ▪ (0.857, 1.0) ▪ (1.0, 1.0)◦ 将这些点按顺序（从阈值最高到最低）用线段连接起来。
ROC曲线图：
TPR (Sensitivity, Recall)
1.0 | ... (Perfect Classifier)
| .
| .
| . X (0.286, 1.0) --- (0.429,1.0) --- (0.571,1.0) --- ...
0.667| . | X-----------X-----------X
| . | |
| . | |
| X-------X----X |
| | | | |
| | | | |
0.333| X | | |
| | | | |
| | | | |
0.0 X--±------±---±---±--------------------------> FPR (1 - Specificity)
0.0 0.143 0.286 0.429 ... 1.0
解读这张ROC曲线：
起点： 曲线从 (0, 0) 开始。这对应最严格的阈值（只预测概率最高的为患病），此时没找到病人（TPR=0），也没误诊健康人（FPR=0）。
上升段： 随着阈值降低（标准放宽）：
◦ 在 FPR=0 时，TPR 快速上升到 0.667（找到了2个病人，没误诊任何人）。这是非常理想的情况。
◦ 当阈值降到 0.75 时，为了找到同样的2个病人（TPR保持0.667），我们开始出现误诊（FPR=0.143）。
◦ 当阈值降到 0.55 时，我们找到了所有病人（TPR=1.0），但代价是误诊了2个健康人（FPR=0.286）。
右上角： 曲线最终到达 (1.0, 1.0)。这对应最宽松的阈值（所有样本都预测为患病），此时所有病人都被找到（TPR=1.0），但所有健康人也被误诊（FPR=1.0）。
对角线： 图中没有画出来，但想象一条从 (0,0) 到 (1,1) 的对角线。这条线代表一个随机猜测模型的性能（例如抛硬币决定是否患病）。好的分类器的ROC曲线应该远高于这条对角线。
曲线形状： 这个模型的曲线有一个陡峭的上升（在FPR很低时就获得了较高的TPR），然后向右延伸。这种"弓形"越靠近左上角，说明模型性能越好。在这个例子中，曲线大部分在左上角区域，表明模型区分能力不错。
AUROC： 曲线下面积（Area Under ROC Curve）。图中曲线下方的面积明显大于0.5（对角线面积）。计算一下（需要近似计算梯形面积）：
◦ (0,0) 到 (0,0.333)：三角形面积 ≈ (0.333 * 0) / 2 = 0
◦ (0,0.333) 到 (0,0.667)：矩形面积 ≈ (0.667 - 0.333) * 0 = 0
◦ (0,0.667) 到 (0.143,0.667)：矩形面积 ≈ (0.143 - 0) * 0.667 ≈ 0.095
◦ (0.143,0.667) 到 (0.286,0.667)：矩形面积 ≈ (0.286 - 0.143) * 0.667 ≈ 0.095
◦ (0.286,0.667) 到 (0.286,1.0)：矩形面积 ≈ (0.286 - 0.286) * (1.0 - 0.667) = 0 (宽度为0)
◦ (0.286,1.0) 到 (0.429,1.0)：矩形面积 ≈ (0.429 - 0.286) * 1.0 ≈ 0.143
◦ (0.429,1.0) 到 (1.0,1.0)：矩形面积 ≈ (1.0 - 0.429) * 1.0 ≈ 0.571
◦ 总AUROC ≈ 0 + 0 + 0.095 + 0.095 + 0 + 0.143 + 0.571 = 0.904
◦ 这个值接近1，说明模型整体区分能力很好。它意味着随机挑选一个患病样本和一个健康样本，模型给患病样本的预测概率高于健康样本的概率是90.4%。
关键点：
• ROC曲线展示了模型在所有可能的分类标准（阈值）下的性能表现。
• 左上角是理想点： TPR=1（不漏诊），FPR=0（不误诊）。
• 曲线越靠近左上角，模型性能越好。
• AUROC量化了曲线下的面积：
值在0.5（随机）到1.0（完美）之间。AUROC越大，模型区分正负样本的能力越强。本例的AUROC=0.904，表明模型区分能力优秀。
希望这个例子和图示能帮助你理解ROC曲线！
• AUROC 就是这个ROC曲线下的面积。这个面积的取值范围在0到1之间。
从这个指标能看出什么？
-
模型的整体排序能力：AUROC衡量的是模型将"正例"样本排在"负例"样本前面的能力。它不关心模型预测的具体概率绝对值，而更关心概率的相对大小。
-
解读：
◦ AUROC = 0.5： 模型没有区分能力，相当于随机猜测（ROC曲线是一条对角线）。
◦ AUROC = 1.0： 模型是完美的，能够完全区分开正例和负例。
◦ AUROC > 0.5： 模型具有一定的区分能力。值越接近1，区分能力越强。
◦ AUROC < 0.5： 模型比随机猜测还差，通常意味着模型学反了，但将预测结果反转后可能得到一个好模型。
优点：对类别不平衡问题相对不敏感，是评估模型整体排序能力的黄金标准之一。
缺点：当正例（我们关心的类别，如患病患者、欺诈交易）非常罕见时，AUROC值可能依然看起来很高（因为只要FPR很低，即使TPR不高，面积也会很大），但这可能会掩盖模型对正例的捕捉能力不足的问题。
- AP（Average Precision）
中文名称： 平均精度
它表示什么意思？
• AP是PR曲线（Precision-Recall Curve） 下的面积。
• PR曲线 描绘了模型在不同判断阈值下精确率（Precision） 和召回率（Recall） 的权衡关系。
◦ 精确率：在所有被模型预测为正例的样本中，有多少是真实的正例。Precision = TP / (TP + FP)。衡量预测的"准不准"。
◦ 召回率：与TPR相同，衡量找的"全不全"。• AP值也是一个0到1之间的数值。
从这个指标能看出什么？
- 模型在正例上的综合表现：AP特别关注模型对"正例"这个类别的性能。它同时考虑了模型预测的"准确性"（Precision）和"全面性"（Recall）。
- 对类别不平衡问题非常敏感和有效：当数据集中负例（多数类）远多于正例（少数类）时，PR曲线和AP比ROC/AUROC更能反映出模型性能的真实情况。因为AP不考虑真负例（TN）和FPR，而只关注正例的查找情况。
解读：
• AP = 1： 完美模型，既能找到所有正例，又不会误判任何负例。
• AP越高，说明模型在正例上的性能越好。
适用场景：是类别不平衡问题（如异常检测、信息检索）中最核心的评估指标之一。
- F1-Score
中文名称： F1分数
它表示什么意思？
• F1-Score是精确率（Precision） 和召回率（Recall） 的调和平均数。
• 计算公式为：F1 = 2 * (Precision * Recall) / (Precision + Recall)
• 它是一个单一的分数，对应的是某一个特定分类阈值下的模型性能。
从这个指标能看出什么？
- 精确率和召回率的综合平衡：F1-Score试图在"准不准"和"全不全"之间找到一个平衡点。如果精确率和召回率一个很高一个很低，F1-Score会偏低。
- 适用于需要同时兼顾Precision和Recall的场景：
◦ 例如，在垃圾邮件检测中，我们既不希望把正常邮件判为垃圾（需要高Precision），也不希望漏掉太多垃圾邮件（需要高Recall）。F1-Score提供了一个统一的视角。
解读：
• F1-Score = 1： 在该阈值下，模型的精确率和召回率都达到完美。
• F1-Score = 0： 在该阈值下，模型的精确率或召回率有一个为0。
注意：F1-Score只反映一个阈值点的性能，而AP（PR曲线下面积）则考虑了所有阈值下的性能。因此，AP通常被认为比单一的F1-Score更能全面评估模型。
- PRO（Per-Region Overlap，区域平均重叠） ：衡量"每个真实缺陷区域被覆盖得有多好"的指标。对每个阈值，把异常热力图二值化，计算每个真实缺陷区域的覆盖率，然后取平均，随着阈值变化画成曲线。其面积就是 AUPRO/PRO-AUC（常在 FPR≤0.3 范围内积分）。
为什么用 PRO？
- 像素级 AUROC 会偏向"大缺陷"；PRO 按"区域"平均，能公平评价"小缺陷/多小区域"的覆盖质量。
计算步骤（单个阈值 t）
- 二值化预测：得到预测异常掩码 P(t)。
- 找出所有真实缺陷连通区域 R1...RN。
- 逐区域覆盖率：overlap_i = |P(t) ∩ Ri| / |Ri|。
- PRO(t) = (1/N) Σ overlap_i。
- 同时算背景的假阳性率：FPR(t) = |P(t) 在非缺陷处的像素数| / |非缺陷像素总数|。
- 随着 t 变化得一条曲线：横轴 FPR，纵轴 PRO；曲线下方面积（常限到 FPR≤0.3）即 AUPRO。
超小例子（4×4 图）
- 总像素 16。真实缺陷区域是一个 2×2 方块（共 4 像素）。
- 阈值 t1 后的预测 P1：命中 3 个缺陷像素，额外错报 1 个背景像素。
- PRO(t1) = (3/4) = 0.75（只有1个真实区域，所以就是它的覆盖率）
- FPR(t1) = 1 / (16-4) = 1/12 ≈ 0.083
- 阈值 t2 后的预测 P2：命中 4 个缺陷像素，额外错报 4 个背景像素。
- PRO(t2) = 4/4 = 1.0
- FPR(t2) = 4 / 12 ≈ 0.333
- 把点 (FPR, PRO) = (0.083, 0.75) 与 (0.333, 1.0) 画到坐标系，截取 FPR≤0.3 的部分按梯形法积分，即得到 AUPRO（FPR≤0.3）。数值越大越好。
总结与对比
指标 核心思想 关注点 优点 适用场景
AUROC 模型整体的排序能力（区分正负样本的能力） 对正负样本的综合区分能力 对类别不平衡不敏感，直观 通用场景，尤其是负例也重要的平衡数据集
AP (Average Precision) 模型在正例类别上的综合性能 正例的查找能力（准+全） 对类别不平衡非常敏感 类别不平衡场景（如异常检测、医学诊断）
F1-Score 在特定阈值下，精确率和召回率的调和平均数 单个决策点的性能平衡 简单、直观，易于解释 当你已经确定一个业务决策阈值，并需要评估该点的性能
如何选择？
• 默认且安全的选择：报告 AUROC 和 AP 两个指标。AUROC看全局区分度，AP重点关注正例表现。
• 数据高度不平衡时：AP比AUROC更重要！因为此时AUROC可能会给出过于乐观的评估。
• 需要确定一个业务阈值时：可以查看该阈值下的 F1-Score，同时也要参考精确率和召回率的具体数值，看是否符合业务需求。