版权声明：博主原创文章属私人所有，未经允许 不可转发和使用 https://blog.csdn.net/a1066196847/article/details/86549572
1：在计算auc的时候，如果对负样本进行采样，是否会大幅度影响最终的数值。
正确答案：不会
原因：首先对于auc，我们应该先知道他的具体计算方法，和对应画出来的图
| 正样本 | 负样本 | |
| 预测为正 | TP（真正例，预测为正 预测也为正） | FP（假正例，预测为正 但真实为负） |
| 预测为负 | FN（假负例，预测为负 但真实为负） | TN（真负例，预测为负，真实也为负） |
然后我们计算，真正率 和 假正率
结合面试题继续回答：当进行负样本采样时，>阈值的负样本和<阈值的负样本留下的概率是相同的，所以比例不会变化，多以正样本得分大于负样本的概率也不会变化。
更详细的AUC介绍可以参考这篇博客：深入理解AUC
2：对于mysql中，怎么来分析一长段sql哪段是最耗时的
首先开启mysql的慢查询，把执行慢的语句都保存下来。慢查询
接着使用explain来具体每一条语句来进行分析。explain
总体的流程，可以参考下面这个链接 https://www.cnblogs.com/qmfsun/p/4844472.html 里面有具体的例子
3：红球白球概率
https://blog.csdn.net/sysysty/article/details/52891663
4：python中写源码来计算auc
肯定不是用计算roc曲线的面积来进行计算，而是应该用“AUC统计意义去计算。所有的正负样本对中，正样本排在负样本前面占样本对数的比例，即这个概率值”来进行计算。下面给出sql和python代码
https://blog.csdn.net/u014035615/article/details/80077523
https://tracholar.github.io/machine-learning/2018/01/26/auc.html