[人工智能]推荐中的评估指标：AUC、GAUC

本文将介绍一下分类任务中的一个非常重要的评估指标：AUC，以及针对AUC的不足引出的另一指标：GAUC。

混淆矩阵

• TP：表示正确拒绝的样本数（坏样本要拒绝）
• FP：表示误报的样本数，即被错误拒绝的样本数（错的记成正的）
• FN：表示漏报的样本数，即被错误准入(错误的拒绝了)的样本数（正例预测成负例，好样本没有准入，正例的少了，召回的少了）（好的少了，好的记成错的）
• TN：正确准入的样本数

TP是真1；FP是假1；FN是假0； TN是真0

ROC曲线

• 横坐标为假正率(FPR)
  • $FPR=\frac{FP}{FP+TN}$
  • 表示负样本被预测为1的概率
• 纵坐标为真正率(TPR)
  • $TPR=\frac{TP}{TP+FN}$
  • 表示正样本被预测为1的概率

绘制方法:

• 1.对输出概率进行降序排序
• 2.确定阈值
• 3.根据阈值点计算TPR和FPR
• 4.苗点连线

ROC曲线反映了排序质量的好坏，也就是预测结果的好坏(正例在前，反例在后)。

AUC

AUC是ROC曲线的量化指标，即ROC曲线下的面积。AUC值越大越好，即面积曲线下面积越大越好。

AUC的意义：随机抽取一对正负样本，AUC是把正样本预测为1的概率大于把负样本预测为1的概率的概率。这句话有点拗口，用公式写就是：

$$AUC=P(P_{正}>P_{负})公式(1)$$

• $P_{正}$ 指该正样本预测为1的概率

• $P_{负}$ 指该负样本预测为1的概率

• 当auc=0.5时，模型没有分类能力，完全是随机猜测

• auc>0.5时，把1预测为1的概率，比把0预测为1的概率大，说明模型有一定的分类能力

• 当auc<0.5时，把模型的预测类别取反，即可得到auc>0.5的结果

• auc的最大值为1，此时TPR恒等于1，即正样本永远会被预测正确

• 因为AUC的取值在0.5-1之间，我们更习惯于一个取值在0-1之间的指标，这时候就有了归一化后的AUC，就是基尼系数或基尼统计量（这里的基尼系数和决策树的不同）：

  • $G=2?AUC?1$

AUC的优势：能够综合考虑到正例和负例，因此可以应对样本不均衡的情况。

求解AUC

有两种公式：

• 第一种：

$$AUC=\frac{{\sum }_{M?N}I(P_{正}，P_{负})}{M?N}，I(P_{正}，P_{负})=?\begin{array}{l}1，P_{正}>P_{负}\\ 0.5，P_{正}=P_{负}\\ 0，P_{正}<P_{负}\end{array}公式(2)$$

其中 $M$、$N$ 分别为正、负样本数。上述公式中的求和是在 $M+N$ 个总样本中，取出 $M?N$ 个正负样本对，然后计算 $I(P_{正}，P_{负})$

• 第二种：

$$AUC=\frac{{\sum }_{in{s}_i\in 正例}ran{k}_{in{s}_i}?\frac{M?(M+1)}{2}}{M?N}公式(3)$$

其中 $M$、$N$ 分别为正、负样本数。
$ran{k}_{in{s}_i}$ 是第 $i$ 条样本 $in{s}_i$ 的序号（概率得分从小到大排序，排在第 $rank$ 个位置）。
$in{s}_i\in 正例$ 表示只把正样本的序号加起来。

GAUC：Group AUC

为什么要引入GAUC：因为AUC有时候不能满足推荐/广告系统中用户个性化的需求。

看个例子：

假设现有两个用户甲和乙，一共有5个样本其中+表示正样本，-表示负样本。现有两个模型A和B，对5个样本的predict score按从小到大排序如下：

从以上模型预测结果可以看出，对于用户甲的样本，模型A和B对甲的正样本打分都比其负样本高；对于用户乙的样本也是如此，因此分别对于用户甲和乙来说，这两个模型的效果是一样好的。

但这两个模型的AUC如何呢？根据公式(3)计算，$AU{C}_A=0.833$，$AU{C}_B=0.667$。我们发现AUC在这个场景下不准了。这是因为，AUC是对于全体样本排序后计算的一个值，反映了模型对于整体样本的排序能力。但用户推荐是一个个性化的场景，不同用户之间的商品排序不好放在一起比较。因此阿里妈妈团队使用了Group AUC来作为另一个评价指标。GAUC即先计算各个用户自己的AUC，然后加权平均，公式如下：

$$GAUC=\frac{{\sum }_{ui}{w}_{ui}?AU{C}_{ui}}{\sum w_{ui}}$$

实际计算时，权重可以设为每个用户view或click的次数，并且会滤掉单个用户全是正样本或全是负样本的情况。

GAUC代码

'''
df：pandas数据框
models：模型列表，这里用的是GBDT+LR
return：gaucclick, gaucall，分别为权重为每个用户点击数、每个用户样本数的GAUC
'''
def calculationGAUC(df, models):
    gbdt, ohecodel, lr = models[0], models[1], models[2]
    sumWAUCclick, sumWclick = 0, 0
    sumWAUCall, sumWall = 0, 0
    for suuid, data in df.groupby('suuid'):
        # 过滤单个用户全是正样本或全是负样本的情况
        if len(set(list(data['y']))) == 1:
            continue
        # 计算权重为每个用户的点击数、每个用户样本数
        wclick = data['y'].sum()
        wall = len(list(data['y']))
        # 对于每个用户预测并计算其AUC
        x, y = np.array(data.iloc[:, 1:-1]), np.array(data.iloc[:, -1:])
        x_leaves = gbdt.apply(x)[:, :, 0]
        x_trans = ohecodel.transform(x_leaves)
        y_pre = lr.predict(x_trans)
        aucUser = roc_auc_score(y, y_pre)
        # 分子、分母累加
        sumWAUCclick = sumWAUCclick + wclick * aucUser
        sumWAUCall = sumWAUCall + wall * aucUser
        sumWclick += wclick
        sumWall += wall

    gaucclick = sumWAUCclick / sumWclick
    gaucall = sumWAUCall / sumWall
    return gaucclick, gaucall

也可以参考这个代码：

https://github.com/qiaoguan/deep-ctr-prediction/blob/master/DeepCross/metric.py

关注博主即可阅读全文