Как ROC-AUC работает на данных, где есть сильный дисбаланс классов?

ROC-AUC (площадь под кривой ROC) измеряет способность модели различать классы, оценивая соотношение истинно положительных и ложно положительных результатов при разных порогах. При сильном дисбалансе классов ROC-AUC может быть менее информативен, так как он не учитывает абсолютное количество ошибок, а только относительные показатели. В таких случаях модель может показывать высокий ROC-AUC, даже если плохо распознаёт миноритарный класс. Поэтому для дисбалансных данных часто дополнительно используют метрики, чувствительные к классовому дисбалансу, например Precision-Recall AUC или F1-меру.