Что такое ROC AUC? Как строится ROC-кривая?

ROC AUC — это метрика качества бинарного классификатора.

• ROC (Receiver Operating Characteristic) кривая строится как график зависимости True Positive Rate (TPR) от False Positive Rate (FPR) при различных порогах классификации.

• TPR (чувствительность) — доля правильно распознанных положительных примеров.

• FPR — доля отрицательных примеров, ошибочно классифицированных как положительные.

Построение ROC-кривой:

1. Для разных порогов вероятности классификатора вычисляем TPR и FPR.
2. Строим график с FPR по оси X и TPR по оси Y.

AUC (Area Under Curve) — площадь под ROC-кривой, отражает общее качество классификатора: 1 — идеальный, 0.5 — случайный.

Пример на Python (для понимания):

from sklearn.metrics import roc_curve, auc

fpr, tpr, thresholds = roc_curve(y_true, y_scores)
roc_auc = auc(fpr, tpr)