AUC就是模型区分好坏样本的“识别能力分数”。简单说就是模型在测试集上表现越好，这个分数就越高。比如0.9比0.8强，0.7以下就算差。模型上线前得先在测试集跑一遍，如果AUC达标才能放心推到生产环境。

为什么得看测试集AUC呢？因为测试集是专门用来模拟真实情况的。比如某个模型在测试集AUC0.85，说明它能把85%的样本和15%的样本分清楚。但上线后可能遇到新数据，比如用户行为变化了，这时候线上AUC可能掉到0.78。这就说明模型没学会所有规律，得赶紧调参。根据某电商团队数据，测试AUC≥0.8的模型上线后稳定率是92%，而测试AUC0.7的模型有67%出现误判率翻倍。所以上线前必须卡住测试AUC门槛，就像过独木桥得先练好平衡能力，否则真上线了就会摇摇晃晃掉进河里。