二分类模型最核心的综合评估指标，值域0.5到1.0，不受样本类别不平衡影响，综合衡量模型在所有分类阈值下的区分能力。0.8-0.9为良好，0.9以上为优秀
AUC将所有阈值下的表现等权平均，掩盖了在特定低误报率工作阈值下的真实表现，在高安全场景可能给出误导性评估
AUC在实际部署中无法反映在特定工作阈值附近模型的实际表现，尤其在类别严重不平衡场景下可能给出过于乐观的误导性评估
对于KYC等对特定操作点极度敏感的应用，应关注固定误报率下的召回率而非笼统的AUC
AUC值域为0.5到1.0，0.5代表随机猜测、1.0代表完美预测，不受样本类别不平衡影响
AUC等于从所有正样本中随机抽取一个、从所有负样本中随机抽取一个，正样本的预测分数高于负样本预测分数的概率