AUC（Area Under Curve）被定义为ROC曲线下的面积。我们往往使用AUC值作 为模型的评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好。根据 定义，本题选D。

AUC（Area Under the Curve）指标通常用于评估二分类模型的性能。它代表了模型区分正负样本的能力。具体来说，AUC是ROC曲线（Receiver Operating Characteristic Curve）下的面积，ROC曲线是通过绘制真阳性率（TPR）对假阳性率（FPR）得到的。

在选项中：
- E 代表真阳性（True Positive, TP）
- F 代表假阳性（False Positive, FP）
- G 代表真阴性（True Negative, TN）

计算AUC时，通常不直接使用这些值，而是通过计算TPR和FPR来绘制ROC曲线，然后求出曲线下的面积。

真阳性率（TPR）和假阳性率（FPR）的计算公式为：
- TPR = TP / (TP + FN) 其中 FN 是假阴性（False Negative）
- FPR = FP / (FP + TN)

根据上述定义，AUC的计算与题目中的选项并不直接相关。AUC的计算是通过积分ROC曲线下的面积来实现的。

因此，题目中的选项 A: E+F, B: E+G, C: F/E+F, D: F+G 都不能直接用于计算AUC。

综上所述，正确答案是：题目中的选项都不适用于直接计算AUC。AUC的计算需要通过绘制和积分ROC曲线来完成。