1. 什么是GAUC

GAUC (group auc)实际上是计算每个用户的auc，然后加权平均，最后得到group auc，这样能减少不同用户间的排序结果不好比较这一影响。具体公式为
$$\text{GAUC}=\frac{{\sum }_{(u,p)}{\omega }_{(u,p)}\times {\text{AUC}}_{(u,p)}}{{\sum }_{(u,p)}{\omega }_{u,p}}$$
这里，权重${\omega }_{u,p}$可以是每个用户view或者click的次数，而且会过滤掉单个用户全是正样本或负样本的情况。

2. GAUC一些理解

2.1 为什么在推荐中，GAUC要比AUC更适合

auc反映的是整体样本间的一个排序能力，而我们实际要衡量的是不同用户对不同广告之间的排序能力。

2.2 如何处理全是正样本 or 全是负样本的样本

计算GAUC的时候要过滤掉单个用户全是正样本或负样本的情况，原因有两个

• 消偏，提高置信度，其实对于全是负样本或者全为正样本的用户来说，那些数据都属于异常数据了，要么就只看不点，或者一直点的无效用户。
• 这两种情况的用户AUC没法计算，必须过滤掉，保证每个用户都有一个AUC值。

2.3 为什么对于广告而言，从某种意义上AUC比GAUC要更适用？

广告推荐不能混为一谈，对广告而言，模型对同一个广告不同用户的排序能力才是更重要的，广告服务的是广告主而不是用户，广告主的体验才是决定收入的关键

3. AUC一些理解

3.1 为什么order auc 比 click auc更大？

我们在实际业务中，常常会发现点击率模型的auc要低于购买转化率模型的auc。这是因为，AUC代表模型预估样本之间的排序关系，即正负样本之间预测的gap越大，auc越大。

3.2 click 还是order的线上线下差距更大？

order。这是因为，购买决策比点击决策过程长、成本重，且用户购买决策受很多场外因素影响，比如预算不够、在别的平台找到更便宜的了、知乎上看了评测觉得不好等等原因，这部分信息无法收集到，导致最终样本包含的信息缺少较大，模型的离线AUC与线上业务指标差异变大

3.3 为什么AUC对负采样不敏感？

由于AUC对分值本身不敏感，所有常见的正负样本采样，并不会导致AUC的变化。比如在点击预估中，处于计算资源的考虑，有时会对负样本做负采样，采样后并不影响正负样本的顺序分布。
即假设采样是随机的，采样完成后，给定一条正样本，模型预测为score1，由于采样随机，则大于score1的负样本和小于score1的负样本的比例不会发生变化。
但如果采样不是均匀的，比如采用word2vec的negative sample，其负样本更偏向于从热门样本中采样，会发现AUC值会发生剧烈变化。

3.4 对负样本负采样会导致其他评估指标如何变化？

对于准确率、召回率和F1值，

• 准确率: 负样本下采样相当于只将一部分真实的负例排除掉了，然而模型并不能准确地识别出这些负例，所以用下采样后的样本来评估会高估准确率；
• 召回率: 采样只对负样本采样，正样本都在，所以采样对召回率没什么影响。
• 两者结合起来，高估F1值.

3.5 一个python写的AUC的例子

def naive_auc(labels, preds):
    M = sum(labels)
    N = len(labels) - M
    combine = [(pred, label) for pred, label in zip(preds, labels)]
    sorted_pred = sorted(combine, key=lambda: x:x[0], reverse=False)
    rank = 0
    for index, tmp in enumerate(sorted_pred):
        pred, label = tmp
        if label == 1:
            rank += index

    return (rank-M*(M+1)/2) / (M*N)

if __name__ == '__main__':
    labels = [0, 1, 0, 1]
    preds = [0.1, 0.15, 0.2, 0.8]
    print(naive_auc(labels, preds))