整理下一些常用的评估模型的指标
1 AUC
AUC（Area Under Curve）被定义为ROC曲线下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。
1.1 什么是ROC
这就是一个ROC曲线，其中横轴是FPR，纵轴是TPR。那么就引入了什么是FPR和TPR？
1.2 什么是FPR TPR FNR TNR
如上图所示，因为这是基于二分类进行的，所以其实，AUC只能用在二分类中。
1）伪阳性率（False Positive Rate,FPR）：判定为正例却不是真正例的概率，即真负例中判为正例的概率,
2）真阳性率（True Positive Rate,TPR）：判定为正例也是真正例的概率，即真正例中判为正例的概率（也即正例召回率）
3）伪阴性率（False Negative Rate,FNR）：判定为负例却不是真负例的概率，即真正例中判为负例的概率。
4）真阴性率（True Negative Rate,TNR）：判定为负例也是真负例的概率，即真负例中判为负例的概率。
1.3 怎么计算AUC
在一个二分类模型中，
- 对于所得到的连续结果，
- 假设已确定一个阀值，比如说 0.6，大于这个值的实例划归为正类，小于这个值则划到负类中。
- 如果减小阀值，减到0.5，固然能识别出更多的正类，也就是提高了识别出的正例占所有正例 的比类，即TPR,但同时也将更多的负实例当作了正实例，即提高了FPR。
ROC曲线上的每一个点对应于一个threshold，对于一个分类器，每个threshold下会有一个TPR和FPR。比如Threshold最大时，TP=FP=0，对应于原点；Threshold最小时，TN=FN=0，对应于右上角的点(1,1)
第一种计算方法也是淘汰的方法：计算ROC曲线下的面积，可以近似计算ROC曲线一个个小梯形的面积。参考这篇博文
还有2种方法，可以降低代码的复杂度
GAUC
推荐领域使用的CTR（点击率）来作为最终的商用指标，但是在训练推荐模型时，却不用这个指标，用的是GAUC。因为推荐模型目前比较成熟的模式是训练分类模型，这个分类模型的任务是预测用户是否会点击给定的商品，因此，推荐系统的核心，仍然是一个二分类问题，但是是更细力度的二分类，即传统的AUC可以评判二分类，但是推荐领域要算的是对于每个人的二分类结果
auc反映的是整体样本间的一个排序能力，而在计算广告领域，我们实际要衡量的是不同用户对不同广告之间的排序能力，因此实际应该更关注的是同一个用户对不同广告间的排序能力。
GAUC（group auc）实际是计算每个用户的auc，然后加权平均，最后得到group auc，这样就能减少不同用户间的排序结果不太好比较这一影响。实际处理时权重一般可以设为每个用户view或click的次数，而且会过滤掉单个用户全是正样本或负样本的情况
注意
1:在单个用户维度计算AUC时，经常会出现一个用户全部全部为正样本或负样本，这是需要定义AUC的值，全负样本AUC=0，全正样本AUC=1。由于大部分情况下全负样本的用户较多，直接求和得到的gauc会接近样本点击率，因此会剔除全负样本的用户，使用有过点击的用户数据进行计算。
2:在使用有点击用户的数据计算GAUC后，还是可能出现GAUC指标失真的情况。考虑下这种数据分布，全负样本的用户占90%，1次曝光1次点击的用户占9%，多次曝光有过点击的用户占1%。这种情况下，模型可能简单学习到了两类用户，90%的全负样本用户，9%的全正样本用户，剩下1%可以忽略了。这种情况下，按上述GAUC计算方法，剔除90%的全负样本用户，剩下9%的1曝光1点击用户和1%的多次曝光且有点击用户，9%的用户AUC都为1。剩下1%的用户，即是AUC为0，整体的GAUC仍然有0.9。针对这种情况，则需要再将全正样本的用户剔除，这样计算出来的GAUC才能衡量模型的真实效果。
3:上面提到的数据集，直接进行训练，模型大概率是学不到有效排序的。简单粗暴的办法是，剔除全正、全负样本后再训练。这样能模型能学到有效果信息，不过数据量急剧减少，很多id类的参数都没有训练过，会影响模型的泛化效果。另一个方法是对样本的权重进行调整，比如全负样本的权重为0.01，1曝光1点击的样本权重为0.1，其他样本权重为1。这样既能保证学到有效排序信息，模型也见过了所有样本，增强模型的泛化能力。
NDCG
cg
cdg
ndcg
参考文献：
图解AUC和GAUC
GAUC问题排查