AUC值就是模型判断正负样本的能力高低，0到1之间算分。0.5等于蒙猜，0.6以上算好，0.8以上算高。比如医疗诊断里，0.7的AUC可能不够用，0.85以上才能放心用。

为啥这么分呢？因为AUC越接近1，模型越能精准区分好坏。比如某研究说，0.6的模型在垃圾邮件识别里误判率比0.5高20%，而0.8的模型在糖尿病预测里漏诊率降到5%以下。数据证明，0.7的AUC相当于70%正确率，但实际场景可能要扣20%误差，所以好模型得卡0.6以上，高阶的得冲0.8。不过别太较真，像人脸识别这种复杂任务，0.9以上的AUC才叫牛。