ROC曲线下面积（AUC）越大，模型性能越好。A. 对B. 错

本题考查对ROC曲线下面积（AUC）与模型性能关系的理解。解题思路是明确AUC的定义和其在衡量模型性能方面的作用，通过对AUC含义的分析来判断该说法的正确性。

ROC曲线（Receiver Operating Characteristic curve）是一种用于评估二元分类模型性能的工具，它以假正例率（FPR）为横轴，真正例率（TPR）为纵轴绘制而成。AUC（Area Under the Curve）即ROC曲线下的面积，它反映了模型在所有可能的分类阈值下的综合性能。

AUC的取值范围在0到1之间。当AUC = 0.5时，说明模型的分类能力和随机猜测相当；当AUC越接近1时，表明模型能够更准确地区分正例和负例，即模型的性能越好；当AUC越接近0时，说明模型的分类效果越差。所以，ROC曲线下面积（AUC）越大，模型性能越好，该说法是正确的。