ks 曲线_分类模型的评价指标的图像记忆及auc与ks的关系分析
最近在复习机器学习相关的知识，发现分类模型的评价指标--混淆矩阵，ROC，AUC的记忆比较复杂，主要是TP（实际为正预测为正），FP（实际为负但预测为正），TN（实际为负预测为负），FN（实际为正但预测为负），以及roc矩阵的坐标计算，纵轴：TPR=正例分对的概率 = TP/(TP+FN)，横轴：FPR=负例分错的概率 = FP/(FP+TN)，采取死记硬背的方式总是记不了几天，因此...
