Was ist ROC-AUC? Wie wird die ROC-Kurve aufgebaut, was stellen die Achsen dar?

ROC-AUC ist eine Qualitätsmetrik für binäre Klassifikatoren.

Die ROC-Kurve (Receiver Operating Characteristic) wird auf zwei Achsen dargestellt:

• Auf der X-Achse wird die False Positive Rate (FPR) abgetragen — Anteil der falsch positiven Ergebnisse: FPR = FP / (FP + TN).
• Auf der Y-Achse wird die True Positive Rate (TPR) abgetragen — Anteil der tatsächlich positiven Ergebnisse (Sensitivität): TPR = TP / (TP + FN).

Zur Erstellung der Kurve wird der Klassifikationsschwellenwert verändert, und für jeden Schwellenwert werden TPR und FPR berechnet. ROC-AUC ist die Fläche unter der ROC-Kurve, die zeigt, wie gut das Modell die Klassen unterscheiden kann. Je näher AUC an 1 ist, desto besser ist der Klassifikator.