待验证95% 置信事实时间未知

AUC可以通过梯形法则对ROC曲线下方面积进行数值积分得到，也可以通过Mann-Whitney U统计量等价计算

1

来源数

95%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

AUC面积图怎么看？ROC曲线解读与模型评估完整指南

bilibili拓跋龙的私人领地

涉及实体

AUCconcept Mann-Whitney U统计量concept 梯形法则concept

相关事实

已验证ROC曲线的AUC=1表示完美分类器，AUC=0.5等同于随机猜测76% 相似待验证ROC曲线下面积（AUC-ROC）越接近1，分类器越优秀75% 相似待验证AUC-ROC的核心优势在于对类别不平衡不敏感，能反映模型在不同分类阈值下的综合区分能力，AUC值范围在0.5到1.0之间75% 相似待验证AUC的取值范围在0到1之间，数值越大代表模型分类能力越强71% 相似待验证AUC是二分类模型的综合评估指标，值域0.5到1.0，不受样本类别不平衡影响；临床预测中AUC 0.7~0.8有一定参考价值，0.8~0.9为良好，0.9以上为优秀62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/20874

API

curl https://kongchang.com/api/v1/knowledge/claims/20874

MCP

get_claim(id=20874)