AUC为ROC曲线下的面积，ROC曲线的横坐标为假阳率，纵坐标为真阳率，该曲线越靠近左上角，越说明分类器不止能将真正为阳性的样本尽可能多的分辨出来，同时还能够尽可能少地将阴性样本错分为阳性样本，整体具有较好的效果

同时，由于横纵坐标的区间都为[0, 1]，因此AUC的值不会大于1

当AUC的值取0.5时，表示分类器等同于随机猜测（相当于猜测抛硬币的正反面，总会有50%的几率猜对），当AUC的值大于0.5时，表明分类器更倾向于能把阳性样本准确地找出来（因为我们训练分类器的目的就是找到正样本），而当AUC的值小于0.5时，表明分类器不仅不擅长找出阳性样本，反而更倾向于给出阴性样本的预测结果，还不如随机猜测来得好

所以，综上所述，当评价一个分类器的性能好坏时，一般可以通过看AUC的值超过0.5多少来决定