AUC 和准确率有什么关系？

无直接等价。准确率是固定阈值下的分类正确率，AUC 是遍历所有阈值的整体排序质量，AUC 高不代表某阈值下准确率也高。

样本量大时秩和法还准吗？

准。Mann-Whitney 是 AUC 的无偏估计，样本越多越稳；只是实现上可用更高效的计数法避免显式排序开销。

🔮 AUC Rank Estimator

Estimate the area under the ROC curve from sample rank sums using the Mann-Whitney U approach, without drawing the curve.

📐 计算公式 / 原理

U = ΣRank(正例) − nPos(nPos+1)/2；AUC = U/(nPos × nNeg)

Mann-Whitney U 统计视角：AUC 等于"随机抽一个正例与一个负例，正例得分更高的概率"。把所有样本按得分升序排名，用正例秩和减去最小可能秩和即得 U，再除以正负配对总数 nPos×nNeg，结果 0.5 表示无区分能力。

正样本数

负样本数

正样本秩和

秩和算 AUC

正类 3 个得分排序后的秩和 R₁=2+4+5=11，n₁=3,n₂=3。U₁=11−3×4/2=5，AUC=1−5/(3×3)=1−0.556=0.444。说明正负排序接近随机偏弱。

Item	Formula / Note	Source / Standard
Probabilistic meaning	AUC is the chance a random positive outranks a random negative	ROC analysis literature
Rank computation	AUC follows from positive ranks and equals a Mann-Whitney U statistic	ROC analysis literature
Threshold free	AUC ignores thresholds and measures ranking quality alone	ROC analysis literature