AUC 是正確分類每個類中隨機選擇的實例的概率嗎？

我在一篇論文中讀到了這個標題，並且從未在其他任何地方看到過以這種方式描述的 AUC。這是真的？有證據或簡單的方法可以看到這一點嗎？

圖 2 顯示了用接收器操作特徵曲線 (AUC) 下面積表示的二分變量的預測準確度，這相當於正確分類兩個隨機選擇的每個類別的用戶（例如，男性和女性）的概率）。

在我看來，這不可能是真的，因為對於 AUC = 0.5，以上表明一個人有 50% 的概率正確預測連續兩次拋硬幣，但實際上，你只有 25% 的機會正確預測連續兩次拋硬幣。至少，這就是我對這句話的看法。

報價略有錯誤。正確的說法是 ROC AUC 是隨機選擇的正例比隨機選擇的負例排名更高的概率。這是由於 ROC AUC 與秩的 Wilcoxon 檢驗之間的關係。

您會發現 Tom Fawcett “ ROC 分析簡介”中的討論很有啟發性。

引用自：https://stats.stackexchange.com/questions/237452