Кои стойности на ROC се считат за добри и кои за лоши?

ROC (Receiver Operating Characteristic) е графика, която показва съотношението между True Positive Rate (чувствителност) и False Positive Rate при различни прагове на класификация. Ключовата метрика е площта под кривата (AUC-ROC).

• Добри стойности: AUC близо до 1 (например, 0.9 и нагоре) означават, че моделът отлично различава класовете.
• Средни стойности: AUC около 0.7–0.9 показват приемлива, но не перфектна класификация.
• Лоши стойности: AUC около 0.5 или по-ниско означава, че моделът не е по-добър от случайното предположение.

Важно е да се вземе предвид контекстът на задачата и баланса на класовете, но като цяло, колкото по-висок е AUC, толкова по-добре моделът се справя с класификацията.