机器学习中lift的概念是什么？怎么用来评价模型？

lift指标已经用来评价一些排序类的模型，在计算广告领域用的比较多。

比如在一家商场门口路过的1000个行人当中，我们只能发放100张优惠券。

第一次我们进行随机发放100张，他们进入商城消费，商城盈利为100元。

第二次我们利用模型判断给哪些人发放，模型挑选出了100位消费能力、消费意愿强的行人，他们进入商城消费，最终商城盈利500元。

我们将两者对比，实际上就是模型和随机猜测(baseline模型)的对比，两者的比值就是称为lift，这里lift=500/100=5。

上面的例子中，我们发放的比例是10%，如果发放比例是100%的时候，模型的lift就是1，因为和随机猜测一样，都是每个人都发。以优惠券发放的比例为x轴，lift为y轴，我们就可以得到lift曲线图。

对于分类模型也是可以用lift曲线的。

比如说我们要进行信用卡欺诈检测（有监督二分类），假设信用卡欺诈占总交易的1%。所以如果我们从20%的样本中随机猜测，正确率也只有1%。如果我们有一个模型进行分类，我们把认为最有可能是欺诈的20%挑出来，验证得到正确率有15%，那么此时lift就是15。