两种预测方法的AUC值需要进行显著性检验，才能说模型的优劣，可以采用Z检验来做。
AUC（Area Under Curve）被定义为ROC曲线下的面积。我们往往使用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（receiver operating characteristic curve），它是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（敏感性）为纵坐标，假阳性率（1-特异性）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。
两种预测方法的AUC值需要进行显著性检验，才能说模型的优劣，可以采用Z检验来做
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024