假设我们面对的是一个二分类 / 排序问题：

• 每个样本  �� 有真实标签  ��∈0,1
• 模型给出一个连续预测分数  ��∈�
• 分数越大，模型认为样本“越可能是正样本”

定义：

• 正样本集合
  �=�∣��=1

• 负样本集合
  �=�∣��=0

2. AUC 的概率定义（最本质定义）

AUC 的概率定义是：

从正样本集合中随机抽取一个样本，从负样本集合中随机抽取一个样本，
正样本的预测分数大于负样本预测分数的概率。

其数学形式为：

其中：

• �(⋅) 为指示函数
• 当  ��=�� 时记为  0.5，表示随机打平

3. 这一点意味着什么？

• AUC  不依赖任何阈值
• AUC  不是一个分类指标，而是一个排序指标
• AUC 衡量的是：
  模型是否倾向于把正样本整体排在负样本前面

这也是为什么在推荐系统中，即便最终没有明确的“正负分类决策”，AUC 依然是最核心的离线评估指标之一。

二、ROC 曲线定义：几何视角下的同一个量

1. ROC 曲线如何构造

给定一组预测分数  ��，我们引入一个阈值  �：

• 若  ��≥�，预测为正类
• 若  ��<�，预测为负类

在每一个阈值  � 下，可以计算：

• 真阳性率（TPR）
  TPR(�)=TPP

• 假阳性率（FPR）
  FPR(�)=FPN

当阈值  � 从  +∞ 连续下降到  −∞ 时，
点对  (FPR(�),TPR(�)) 在平面上形成一条曲线，即  ROC 曲线。

2. AUC 的 ROC 定义

AUC 定义为 ROC 曲线下方的面积：

这是一个 几何意义上的定义。

三、两种定义为什么是完全等价的？

一个统计学习中的经典结论是：

其中  �+ 表示正样本分数， �− 表示负样本分数。

直观解释如下：

• ROC 曲线本质是在  按照 score 从高到低扫描排序结果
• 每遇到一个正样本，TPR 增加
• 每遇到一个负样本，FPR 增加
• 某个正样本是否“早于”负样本被扫描到，正对应于
  �+>�−

因此：

ROC 曲线下面积，等价于所有正负样本对中，排序正确的比例。

ROC 只是将“排序关系”用几何方式进行了表达。

四、一个完整、可手算的例子

1. 样本与预测分数

• 正样本：A, B
• 负样本：C, D, E
• 正负样本对总数： 2×3=6

2. 按概率定义逐对比较

• 排序正确对数：5
• 总对数：6

五、对应的计算代码

下面给出两种 AUC 计算实现。

1. 概率定义（两两比较，定义直译）

def auc_pairwise(labels, scores):"gov.zuqiu.zuqba.info""    基于 AUC 的概率定义（Pairwise Comparison）进行计算。     输入：    - labels: List[int] 或 1D array        样本真实标签，取值为 {0, 1}        1 表示正样本，0 表示负样本    - scores: List[float] 或 1D array        模型对每个样本给出的预测分数，分数越大表示越倾向正类     输出：    - auc: float        AUC 值，取值范围 [0, 1]     核心思想：    随机取一个正样本 p 和一个负样本 n，    统计 P(score_p > score_n) 的比例    """# 提取正样本 (label=1) 的预测分数pos_scores = [s for l, s in zip(labels, scores) if l == 1]# 提取负样本 (label=0) 的预测分数neg_scores = [s for l, s in zip(labels, scores) if l == 0]# 排序正确的正负样本对数量（允许 0.5 的打平贡献）correct = 0.0# 正负样本对的总数量 |P| * |N|total = len(pos_scores) * len(neg_scores)# 对所有正负样本对进行两两比较for sp in pos_scores:        # sp: positive sample scorefor sn in neg_scores:    # sn: negative sample scoreif sp > sn:# 正样本分数严格大于负样本分数，排序正确correct += 1.0elif sp == sn:# 分数相等，按约定计为 0.5（随机打平）correct += 0.5# sp < sn 时不加分，表示排序错误# AUC = 排序正确的比例return correct / total

复杂度分析：

• 时间复杂度：
  �(|�|⋅|�|)
  其中  |�| 为正样本数， |�| 为负样本数
• 空间复杂度：
  �(|�|+|�|)

适用场景：

• 严格对应 AUC 的概率定义
• 适合教学、理论验证、小规模数据
• 不适用于工程和大规模离线计算

2. 排序 / Rank-based 实现

import numpy as npdef auc_rank(labels, scores):"""    基于排序（Rank / Mann–Whitney U）的 AUC 计算方法。     输入：    - labels: List[int] 或 1D numpy array        样本真实标签，取值为 {0, 1}    - scores: List[float] 或 1D numpy array        模型预测分数，分数越大表示越可能为正样本     输出：    - auc: float        AUC 值，取值范围 [0, 1]     核心思想：    1. 按预测分数从小到大排序    2. 扫描排序后的样本序列    3. 每遇到一个正样本，统计其前面已有多少负样本       这些负样本都被该正样本“正确地排在后面”    """# 转为 numpy array，便于排序和向量化操作labels = np.asarray(labels)scores = np.asarray(scores)# 获取按照 score 从小到大排序后的索引order = np.argsort(scores)# 按排序后的顺序重排标签labels_sorted = labels[order]# 正样本数量 |P|n_pos = np.sum(labels_sorted == 1)# 负样本数量 |N|n_neg = np.sum(labels_sorted == 0)# 已扫描到的负样本数量（前缀负样本计数）neg_count = 0# 排序正确的正负样本对数量correct = 0.0# 从低分到高分扫描for l in labels_sorted:if l == 1:# 当前是正样本：# 它前面的所有负样本都满足 score_neg < score_poscorrect += neg_countelse:# 当前是负样本，增加负样本计数neg_count += 1# AUC = 排序正确的正负样本对 / 总正负样本对return correct / (n_pos * n_neg)

复杂度分析：

• 时间复杂度：
  �(�log⁡�)
  主要来自排序操作，其中  �=|�|+|�|
• 空间复杂度：
  �(�)

工程说明：

• 与 Mann–Whitney U 统计量完全等价
• 是工业界离线 AUC 计算（Spark / MapReduce / Flink）的理论基础
• 可自然扩展为分桶、分 user、分实验组的 AUC 统计

分桶统计（工程实现）

def calc_auc(score_list, label_list):"""    使用分桶法计算AUC（ROC曲线下面积）。        将预测分数离散化到固定数量的桶中，统计每个桶的正负样本数，    然后按分数从高到低遍历，使用梯形法则计算ROC曲线下面积。        Args:        score_list: 模型预测分数列表，取值范围应在[0, 1]之间        label_list: 真实标签列表，正样本>0，负样本<=0            Returns:        tuple: (正样本数, 负样本数, AUC值)            - 当正样本或负样本数为0时，返回(0, 0, 0.5)            - AUC值范围为[0, 1]，0.5表示随机猜测水平    """scoredict = dict()numbin = 10000maxval = 1.0minval = 0.0step = (maxval-minval)/numbininv_step = 1.0 / steptotal_pos = 0total_neg = 0for (score, label) in zip(score_list, label_list):c = 0v = 0if label > 0:c = 1total_pos += 1else:v = 1total_neg += 1score_bin = int((float(score) - minval) * inv_step)if scoredict.has_key(score_bin):scoredict[score_bin][0] += vscoredict[score_bin][1] += celse:scoredict[score_bin] = [v, c]if total_neg == 0:return 0, 0, 0.5if total_pos == 0:return 0, 0, 0.5sorted_list = sorted(scoredict.items(), key=lambda x:x[0], reverse=True)sum_pos = 0sum_neg = 0pretp = 0.0prefp = 0.0roc_auc = 0.0roc_curve = dict()fpidx = 0for (binidx, value) in sorted_list:sum_neg += (float(value[0])/total_neg)sum_pos += (float(value[1])/total_pos)tp = float(sum_pos)fp = float(sum_neg)delta =(fp-prefp)*(pretp+tp)*0.5roc_auc += deltaroc_curve[fpidx] = (fp, tp)fpidx += 1pretp = tpprefp = fpreturn total_pos, total_neg, roc_auc

把连续 score 离散成很多桶（bin）