Python 非平衡数据中的ROC曲线

我使用ovr分类和梯度增强分类器来预测{0,1,2,3,4,5}中的目标值。大部分数据（2M个样本）的目标值在{0,1}中，少数数据（97K个样本）的目标值在{2,3,4,5}中。我已经根据这些数据绘制了ROC曲线。如图所示，少数族裔的AUC=0.99。我想知道这是否意味着分类器的性能很高，还是不平衡数据的影响

更新： 如果我选择在{2,3,4,5}中有目标值的样本，ROC曲线如下：

---

有一种叫做“准确性悖论”的东西。你可以在这里了解更多。假设你有一类99个样本，第二类有一个样本。即使你的算法是基于随机猜测，它仍然有99%的准确率。我猜在你提到的情况下，主要类的准确率将是99%，而在我的情况下，次要类的准确率是99%。再加上@Tasos的评论：对于不平衡的数据集，平均精度通常是一个更有意义的性能指标（

sklearn.metrics.precision\u recall\u curve

和

sklearn.metrics.average\u precision

）。@Paul.谢谢。是的，平均精度有效。