Quelles valeurs de ROC sont considérées comme bonnes et lesquelles comme mauvaises?

Courbe ROC (Receiver Operating Characteristic) est un graphique montrant la relation entre le taux de vrais positifs (sensibilité) et le taux de faux positifs à différents seuils de classification. La métrique clé est l'aire sous la courbe (AUC-ROC).

• Bonnes valeurs: AUC proches de 1 (par exemple, 0,9 et plus) indiquent que le modèle distingue parfaitement les classes.
• Valeurs moyennes: AUC autour de 0,7–0,9 indiquent une classification acceptable mais pas parfaite.
• Mauvaises valeurs: AUC autour de 0,5 ou moins signifie que le modèle n'est pas meilleur que le hasard.

Il est important de prendre en compte le contexte de la tâche et l'équilibre des classes, mais en général, plus l'AUC est élevé, meilleure est la capacité du modèle à classer.