python - 在机器学习中数据集不平衡的情况下，AUC 是否是比准确性更好的指标？如果不是，哪个是最好的指标？

Question

auc 在处理不平衡数据方面是否更好？在大多数情况下，如果我处理不平衡的数据，准确性并不能给出正确的想法。尽管准确率很高，但模型的性能较差。如果不是 auc，这是处理不平衡数据的最佳措施。

Answer 1

不平衡类的伟大之处不是准确性，因为如果一个类有 1% 的示例，另一个类有 99%，您可以将所有示例分类为零，但仍然可以获得 99% 的准确度。

考虑到混淆矩阵(如下)，您还应该分析精确率和召回率。这些措施可以为您提供误报和漏报的总数。

然后你必须定义哪个是你的重点。考虑到预测维护，误报是指将运行状况良好的机器分类为故障，而误报是将发生故障的机器分类为运行状况良好。您可以获得 99% 的准确率和出色的 AUC，但精度仍然为 0%。