AUC 被定义为 ROC 曲线下与坐标轴围成的面积，由于 ROC 曲线处于 y=x 的上方，因此 AUC 的取值范围在 0.5 和 1 之间。

AUC 在比较不同的分类模型时可做为模型优劣的指标，其主要意义在于 AUC 值越大的分类器，正确率越高。

以下图为例，曲线 1 即优于曲线 2

从 AUC 判断分类器（预测模型）优劣的标准：

• AUC = 1，完美分类器；
• AUC = [0.85, 0.95], 效果很好；
• AUC = [0.7, 0.85], 效果一般；
• AUC = [0.5, 0.7], 效果较低；
• AUC = 0.5，与随机猜测一致；
• AUC < 0.5，弱于随机猜测。

AUC 的计算有两种方式，分别是梯形法和 ROC AUCH 法，两种方法均以逼近法求近似值。