🔑 名詞卡
ROC-AUC
🎯 定義
ROC 曲線（Receiver Operating Characteristic，橫軸假正率、縱軸真正率）下的面積（Area Under Curve），代表模型在所有可能分類閾值下的整體區分能力，數值越接近 1 模型越好。
重點／應用
- 適用：需綜觀整體預測能力、需要調整分類閾值的應用場景。
- 相較 Accuracy，在類別不平衡資料中更能反映模型真實的辨識能力。
記憶技巧
「AUC 就像『不管切在哪個門檻，模型平均表現多好』的總分」。
易混淆
- vs 混淆矩陣：混淆矩陣只反映「一個特定閾值」下的表現；ROC-AUC 則綜合考量所有閾值。
📖 課文原文「AUC（Area Under Curve）：表示曲線下的面積⋯代表模型在所有可能閾值下的整體區分能力。AUC 值越接近 1，模型越好。」