AUC（Area Under the Curve）是評估分類模型性能的常用指標，代表分類器在不同閾值下的預測能力，提供比較不同分類器性能的簡潔方式。AUC的值越接近1，表示分類器性能越好；越接近0.5，則性能越差。
在二分類問題中，AUC反映的是分類器將正例排在負例前面的概率，即正確排序正負樣本的能力。AUC的計算基於ROC曲線（Receiver Operating Characteristic Curve），它展示了在不同閾值下真正例率（TPR）和假正例率（FPR）的變化。AUC等於ROC曲線下的面積，即積分下的面積，這個面積值總結了分類器在所有閾值下的性能。
此外，AUC不僅適用於模型評價指標，在醫學領域，AUC值的意義在於提供藥物吸收和分佈的信息，幫助評估藥物的療效和安全性。