AUC 衡量的是随机取一个正样本和一个负样本，模型给正样本打分更高的概率。它只关心排序，不关心具体分值，因此对类别不平衡比较稳健。
AUC 的取值在 0.5 到 1 之间，0.5 相当于随机猜，1 表示完美排序。实际业务中，0.7 左右往往已有可用价值，但具体要结合场景判断。
AUC 也有盲区：它忽略预测概率的绝对大小，也无法反映不同业务区间的重要性差异。当头部流量更关键时，单看全局 AUC 可能掩盖问题。
所以实践中常配合 GAUC、LogLoss、精确率和召回率一起使用。评估指标是工具，选对指标比调高指标更重要。
