AUC就是那个看曲线下面积的那个东西对吧。简单说就是画个图看横纵坐标哪个好。横坐标是假正例率，纵坐标是真正例率，连线连成曲线，算曲线下方的面积。这个面积越大说明模型越准，0.5是随机猜，1就是全对。比如有个模型AUC0.8，模型B是0.6，说明A比B准两倍多。

为啥是这个答案呢？因为AUC反映的是不同阈值下的综合性能。比如当假正例率升到30%时，真正例率能到60%就比只升到50%的模型好。根据2019年医学影像识别论文，AUC0.7以上就能用于初步诊断，而AUC0.9才能用于最终确诊。就像考试60分及格，90分优秀，AUC也是分档的。但要注意有些数据集有类别不平衡，这时候AUC可能不准，得改用PR曲线。不过大部分情况AUC还是最常用的评估指标。