Какие значения ROC считаются хорошими, а какие плохими?

ROC (Receiver Operating Characteristic) — это график, показывающий соотношение между True Positive Rate (чувствительностью) и False Positive Rate при различных порогах классификации. Ключевой метрикой является площадь под кривой (AUC-ROC).

• Хорошие значения: AUC близкие к 1 (например, 0.9 и выше) означают, что модель отлично различает классы.
• Средние значения: AUC около 0.7–0.9 свидетельствуют о приемлемой, но не идеальной классификации.
• Плохие значения: AUC около 0.5 или ниже означает, что модель не лучше случайного угадывания.

Важно учитывать контекст задачи и баланс классов, но в целом чем выше AUC, тем лучше модель справляется с классификацией.