Чем ROC-AUC отличается от других метрик?

ROC-AUC (Area Under the Receiver Operating Characteristic Curve) — это метрика, которая оценивает качество бинарного классификатора по всей области порогов.

В отличие от метрик, зависящих от конкретного порога (например, точность, полнота, F1), ROC-AUC показывает, насколько хорошо модель умеет различать классы в целом.

Особенности ROC-AUC:

• Измеряет способность модели правильно ранжировать положительные примеры выше отрицательных.
• Значение от 0.5 (случайное угадывание) до 1 (идеальная классификация).
• Независима от распределения классов и выбранного порога.

Это особенно полезно, когда важна общая способность модели к разделению классов, а не конкретные значения метрик при фиксированном пороге.