Как ще се промени ROC AUC при дублиране на положителни и отрицателни обекти и защо?

ROC AUC (площта под ROC кривата) е метрика, която измерва качеството на ранжиране на модела, тоест колко добре моделът разделя положителните и отрицателните класове.

При дублиране на положителни и отрицателни обекти (т.е. увеличаване на извадката чрез копиране на същите примери), ROC AUC няма да се промени. Това се дължи на факта, че ROC AUC зависи от относителния ред на предсказаните вероятности за положителните и отрицателните обекти, а не от броя на обектите.

Дублирането на данни увеличава броя на сравняващите се двойки, но всички те ще имат същите предсказания и етикети, затова делът на правилно подредените двойки (който е ROC AUC) ще остане непроменен.

Следователно, ROC AUC е инвариантен към дублиране на данни, ако разпределението на предсказанията не се променя.