一句话定义：ROC（Receiver Operating Characteristic，受试者工作特征曲线）是把分类模型在所有可能阈值下的表现画成的一条曲线；AUC（Area Under the Curve）是曲线下的面积，衡量模型"把正样本排在负样本前面"的能力。
为什么说它和阈值无关
大多数分类模型输出的其实是一个分数，比如"这封邮件是垃圾邮件的概率 0.83"，而不是非黑即白的判断。要变成判断就得设阈值，超过 0.5 算正类。阈值一变，准确率（Accuracy）、精确率（Precision）、召回率（Recall）全都跟着变——只报一个阈值下的数字，很容易挑到最漂亮的那个。
ROC 的做法是把所有阈值都试一遍：横轴是假正率（FPR，把负样本误判为正的比例），纵轴是真正率（TPR，也就是召回率）。阈值从高往低滑动，就画出一条从左下爬到右上的曲线，AUC 就是曲线下的面积。
AUC 还有个很好懂的等价解释：随机抽一个正样本和一个负样本，模型给正样本打分更高的概率。0.5 相当于瞎猜，1.0 是完美排序。所以它衡量的是排序能力，跟阈值卡在哪里无关。
和相邻概念的区别
| 指标 | 看什么 | 受阈值影响 | 类别不平衡时 |
|---|---|---|---|
| Accuracy | 判对了多少 | 是 | 严重失真，全判负类也能很高 |
| ROC-AUC | 正负样本的排序 | 否 | 相对稳，但可能"看着好" |
| PR-AUC | 查准与查全的权衡 | 否 | 更贴近少数类的实际体验 |
不平衡时它怎么骗人
关键在 FPR 的分母。假设 1 万个样本里只有 100 个正类、9900 个负类，某模型 AUC 做到 0.95，看起来很能打。但如果想召回 90%（抓到 90 个正类），对应的假正率可能只有 5%——听着也不高。可 9900 的 5% 是 495 个误报，最后精确率只有 90 ÷ (90+495) ≈ 15%。模型把一小撮负样本排错了位置，对 FPR 的影响被巨大的分母稀释，ROC 曲线几乎不动，AUC 依然漂亮；上线用起来，推给业务的结果里八成是噪音。
换句话说，AUC 给正类和负类同等权重，它不关心正类有多稀有，也不关心你最终要卡在哪个阈值上。当"抓到多少"和"抓错多少"的代价严重不对等时（欺诈检测、疾病筛查、内容审核），AUC 高不等于好用。
实际怎么用
- 只想知道模型整体排序能力、比较两个模型谁更会排，看 ROC-AUC 没问题。
- 正类占比很低（比如低于 10%）时，优先看 PR 曲线（Precision-Recall Curve）及其 AUC，或者直接看 Precision@K、Recall@K 这类跟业务阈值挂钩的指标。
- 上线前一定要在选定的阈值上报一组数字：精确率、召回率、误报量。AUC 只适合选型阶段参考。
一句话收尾：AUC 告诉你模型"会不会排"，不告诉你"卡在哪里划算"。