【Pytorch-从一团乱麻到入门】：4、模型效果评估指标：ROC-AUC、PR-AUC及可能遇到的问题(1)
1.ROC-AUC 和PR-AUC定义AUC： 随机抽出一对样本（一个正样本，一个负样本），然后用训练得到的分类器来对这两个样本进行预测，预测得到正样本的概率大于负样本概率的概率。ROC-AUC 指的是 ROC 曲线下的面积，通过在【0，1】范围内设置阈值来计算对应的TPR和FPR，最终将所有的点连起来构成ROC曲线。PR-AUC 的构造和上述过程基本一致，只是需要再计算出 Precision 和 Recall,以precision（精准率）和recall（召回率）这两个为变量而做出的.
