Какие референсные значения ROC AUC считаются хорошими или плохими?

ROC AUC (Area Under the Receiver Operating Characteristic Curve) — это метрика качества бинарной классификации, показывающая способность модели различать классы.

• Значение 0.5 соответствует случайному угадыванию — модель не лучше случайного выбора.
• Значения ближе к 1.0 означают высокую способность модели правильно классифицировать объекты.

Общие ориентиры:

• 0.5–0.6 — плохое качество, почти случайно.
• 0.6–0.7 — слабая модель.
• 0.7–0.8 — удовлетворительно, приемлемо.
• 0.8–0.9 — хорошая модель.
• 0.9–1.0 — отличная модель.

Однако эти пороги зависят от задачи и данных. В некоторых областях (например, медицина) даже 0.75 может считаться хорошим результатом, а в других — 0.85 может быть недостаточно.