您可以等效地使用以下表达式：

• 50%相对改善
• 25%的绝对改善，或 25个百分点的改善。

说到正确的术语，应该使用 AUROC（如果这是您的指标）而不是 AUC，因为后一个术语是模棱两可的。

我刚刚在这里发布了一个有点相关的问题：比较和量化 ROC AUC 分数的相对改进？有这个作为它的一个组成部分。

我不确定，尽管 ROC AUC 表示分类器对正例的评分高于负例的概率，也许比较优势比的大小是一种合适的比较方法。

所以不是 0.75 / 0.50，而是 (3/1) / (1/1)，所以改进是 3 倍，即与旧模型相比，新模型获得正面案例的几率比负面案例高 3 倍模型。

（至此，0.50 代表随机机会，所以也许这些应该重新调整到 0.5 和 1 之间，这会改变解释。同样，当您与 ROC AUC 为 0.5 的模型进行比较时，任何改进都代表无限改进。比较这个重新调整的版本下的优势比也意味着从 0.51 到 0.59 的改进将代表与 0.91 到 0.99 相同的改进量，但是前者可能感觉更有可能随机出现 - 所以可能也想在比较 ROC AUC 时考虑一些置信度概念。）

计算您的相对改进假设为$x$，你应该使用$x=(0.75-0.5)/0.5$.

我相信在 AUC 案例中的相对改进更直观。此外，AUC 在文献中很常用，所以 AUC 和 AUROC 都可以